牧原AI面试怎么弄
年后想入职牧原，不知道怎么入职的看过来吧。第一步可以在招聘平台搜索牧原招聘或者微信公众号，抖音都有， 会有界面让你来填信息，随后人事会加你微信或打电话，填写完成后人事会把你拉到一个群里面的，群里面通知会有人员名单和线上面试时间用的是视频会议。线上面试模式，主要问题就是了解你的家庭情况和身体情况，还有就是上一份工作离职的原 原因一般都能过，面试通过后会有短信通知，首轮面试过了会再一次的。 ai 面试，也是一些大差不差的问题， ai 面试过后及时和对接你的人事联系，他们会再拉你进群安排培训时间，这个要去到你工作的城市办公区去培训，培训时间是一天中午管饭， 培训过后会有一个线上考试，这个大家不用紧张，考题很简单，基本都能过。大概一到两天时间，群内会有通知，去指定医院做体检，体检过后及时群内反馈， 做完这些就等着去厂区报道就行了。去厂区报道不用带换洗衣服和被褥，带一套内衣和洗漱用品就行，要为拆封心的哦，大概就这些，我刚体检完，下周一场区报道。最后祝各位面试顺利！
粉丝242获赞3093
相关视频
02:11查看AI文稿AI文稿今天教大家怎么用 ai 做模拟面试，给大家用豆包演示一下啊。豆包，那咱们现在开始模拟面试，一个问题一个问题来，然后呢，符合我们的岗位要求，刚已经给你发了我的简历，我面试的岗位呢，是一个电商运营类的岗位，你结合我过往的经历去给我做一些深挖，以及针对这个岗位提一些专业性的问题， 咱们统一到后面去解决问题和点评。你现在是一个问题，一个问题来问我。现在开始，你在六幺八大促期间搭建流量分析体系时，具体分析了哪些流量来源的数据 后有更好的表现。那在分析这些指标时，你发现某个商品的 u c v r 突然下降，是怎么定位原因的？ 三坑，第四坑现在变成了十几坑，那他的转化也会受影响。在实习时，你协调 k a 商家广告工作，能不能具体说一下是怎么和商家沟通，调整广告投放方向的？大概哈就是这个思路。然后我们现在岗位就面完了。豆包，请你基于我刚刚的面试表现，点出我的优点和缺点。 优点对实习中流量分析的核心指标有清晰认知，能结合品类、环境、促销权益、流量坑位等多维度定位。 u c v r 下降原因，体现了数据敏感度和逻辑分析能力。缺点，自我介绍、 说服力。很多同学知道要用 ai， 但是用不好两个点，第一个是你用的 ai 不 对，其实你应该用语音类、对话类的 ai 工具，而不是用文本类的，用文本类的工具。你面试回答问题思考的时间和你真实面试时间是不一样的， 文本敲字的时间更长，你思考的更多，所以你答案回答的也更好，反映不出来你面试暴露的真实问题，这是第一个点。第二点是你的简历和 j d 以及你要面试的岗位，你要发给 y， 你 要告诉 y 我 到底要面什么岗位，他才有针对性的去回答。然后我说一下你跟他输入时有几个点， 第一个点是这个豆包必须让他一个问题一个问题问，千万不能让他一次性都问完。第二个是问完之后要给一个总结，给一个打分，让你知道问题在哪里。第三个是一定要把简历岗位都输入给他， 这样的话我觉得你用这个模拟面试确实会给你省下不少的功夫，能提升你的这个面试效率，也希望大家能有一个好的 offer。
290徐诗礼
02:52查看AI文稿AI文稿按照你的理解，说一下 open cloud 实现原理，好的面试官，我觉得 open cloud 它本质上不是一个简单的聊天机器人，而是一个以大模型为大脑，以工具系统为手脚，以及我们用这个记忆系统为长期上下文的智能体操作框架。 那它整体的信息流我理解是可以拆成一个比较清晰的链路。最前面是我们的通道适配器，比如接入不同的平台作为我们的消息入口， 然后消息就会进入网关服务。这个网关就像一个交通枢纽，他负责连接管理啊权健、消息较验和事件分发。再往后就进入了我们的任务通道，他默认是串行执行的，这样能避免同一个会话里面我们多个任务相互打架。但如果业务场景明确需要，也可以显示并行 任务，再交给智能体运行器。运行器选择合适的模型，读取密钥，拼系统提示词，控制上下文窗口，然后调用大模型的 api， 进入一轮一轮的 agent loop， 包括模型思考，决定要不要调用工具执行工具回结果继续推理，最后再把反馈一路返回给用户。 我觉得这里最关键的模块其实是智能体运行器，因为它不只是转发请求，而是在我们做很多运行时治理， 比如模型选择，它会根据任务类型和配置决定用哪个模型。系统提示词也不是写死的，而是动态拼出来的，里面通常会包含当前可用的工具列表、工具调用的风格、当前工作目录、运行环境等各种信息， 再加上上下文窗口防护和绘画压缩，避免历史太长把 token 撑爆，这样系统才能在长任务里面保持稳定。在工具层面， open 给我的感觉很像是给模型接了一个操作系统接口， 它至少有几类核心能力，一类是执行，一类是文件系统读写，一类是浏览器工具，还有进程管理这类能力。运行环境也比较灵活，可以放在沙箱里跑，更安全，也可以直接在本地或者接入远程的环境。 这里产品价值是非常明显的。同一个 agent 可以 同时看文件、开网页、跑命令，不再局限在纯文本对话里。在记忆层面， open cloud 走的是一个本地优先的混合记忆方案，短期绘画记录会落成 j 三文件， 长期知识会沉淀到 markdown 文件里。连锁时不止做关键词解锁，也不只是做向量解锁，而是做这种混合解锁。这样的好处就是语义相关的内容能找回来，精确的关键词也不会漏掉，而且本地化与隐私性都更好。 所以如果最后让我总结的话，我会说， open call 它的实现原理本质上就是网关调度加任务队列加智能体运行器，再加工具系统和混合记忆的一个组合。 它真正厉害的地方不是单点模型能力有多强，而是把模型放进了一个可运行、可持续、可控的执行框架里面，让它从会聊天变成会干活，这也是我觉得它对 ai 产品最有启发的地方。
1369Mentor学长带你玩转职场
03:09查看AI文稿AI文稿我们一定要利用 ai 来增加我们的面试机会，增加我们的面试成功率啊。当然我们用 ai 并不是说我们在，比如说你用 cloud， 用 gpt， 并不是说在输入框里面去输入内容，这种对话式的输入让它去便利我整个项目，这种就太 low 了， 从简历也好，和面试官沟通也好，我们可以这么去写，我创建了企业级 a d 的 sku 数据库，比如说把团队里面最佳实践啊，代码规范、设计规范都成列到结构化的文档里面，这样的 ai 生成代码会自动的符合我们的标准，开发流程、 需求分析，选择相关的 sku， 生成 ai 代码并不是传统意义上的，我在输入框里面去大白话的自然语言去告诉 ai， 比如说我们某一个项目当中，你可以这么写， skui 规范化体系的建立，开发流程等等，然后我们在工作当中的描述，你可以这么写， ai 辅助开发体系的建设主导这个，然后还有前端自动化的规范，还有技术创新沉淀。 skui 模板这个东西并不是虚的哈，大家可以看一下我们的，我们的代码啊，你不管是 vivo 的 九载还是锐的九载， 整个项目的目录结构都是类似的，里面有 api、 资源组件，第三方库，还有我们的路由状态管理，还有我们的业务模块等等。而且每一个组件它里面的内容格式也都是雷同的。比如说我们开发一个这样的管理系统，无论是 vivo 的 旧站还是 re 的 旧站，那左侧的菜单的内容基本上都是 类似的，那么它的代码结构也都是类似的，那么我就可以定义这样的 sql 的 文档文件，然后在这个 sql 里面我定了各种规范，比如说 t s 的 规范，组建的格式的设计，还有我们模板的规范，还有我们每一个模块它的 代码的风格，我们要保持一致模板，当然我们的样式好多都是雷同的，那么我就可以在剪里面写，我系统化的让 ai 参与了我整个的代码的开发，然后我设计了这么 skill， 用 q 的 ai 的 skill， 我 直接去执行相关的文件就行了， 这样的话就系统化的去把我整个开发，比如说开发一个这样的系统，每一个模块我都要手动建吗？不需要了吧？用 ai 我 们就可以往剪里面以这么去包装， 包括这样的格式化平台，也是做一个这样的大屏，用封装这样的图标系统化的去处理，还有我们传统意义上的一个企业级的管理系统， 这东西都是重复性的，雷同的，那我们完全可以交给 ai 技术简历里面，那么你完全可以这么去写 ai 工具链的建设，并不是说在对话框里面去自然语言交流，我们是体系化的去做辅助化开发体系的建设， 如果你没有深入的使用 ai， 只不过在这个对话框里面对话，那不算真正意义上的深入使用 ai， 那 我这个 ai 这个专题里面各种模板，还有我们的源码操作是 q 的 使用的指南这边使用的， 在我们事业的业务范围当中，这边和我们的业务结合的，这里面都有传统的开发利用，是 q 技校的，但 ai 的 项目也在持续更新，连有好多内容哈，不仅有 ai， 还有其他的，基本上前三十二的业务都包含了。连，还有我们 ai 相关的面试的真题，各种。
03:43查看AI文稿AI文稿聊一聊大模型多轮对话的效果应该要怎么样来优化吧。嗯，首先我就明说一下，为什么多轮对话会更难，因为单轮对话它其实并不难，用户问一句，模型就答一句，每一轮它都是相互独立的。 但是多轮对话就比较复杂，因为用户的每一句话往往都和前面的内容存在关联。就比如用户他问北京天气怎么样，那模型回答完之后，用户接着又问明天， 呃，这里的那和明天他其实指的都是北京。就如果模型不能理解上下文，就很容易出现答非所问的情况，那具体怎么优化，我就一般会从四个层面来入手。 第一个就是上下文的管理，这也是最核心的部分。但模型它本身是有上下文窗口限制的，我们就需要设计一套合理的对话历史管理机制。最简单的方式就是把所有的历史对话都给他传到模型里面， 但这样很快就会超出窗口的限制，而且成本更高，推理速度也会变慢。就我们之前做过一个智能客服的项目，一开始就是简单的把全部历史全部传进去， 但是等到用户聊到第十轮的时候，系统就开始报错，提示这个长度超限。后来我们就做了几个优化，一个是滑动窗口，只保留最近 n 轮的对话，比如最近五轮，然后以此来控制整体的长度。 另一个就是关键信息的提取，对于更早的对话，我们就不是直接弃用，而是用模型加载，把关键信息给他提取出来。就比如用户基本的诉求，重要的实体，还有已经确认的信息，给他用一两句话保存下来，这样就能够既节省托管，也可以保留关键上下文。 还有一种更高级的做法，就是呃对话状态的跟踪，也就是把对话抽象成几个状态变量，呃，比如在订票场景里，状态变量可能是出发地、目的地、日期、人数，然后每一轮的对话之后更新这些状态，这样模型就不需要查看完整的历史， 只需要结合当前的状态和最新输入，就可以做正确响应，这种方式就是在任务型对话里面特别好。 第二个就是纸带消解和上下文理解的优化，像刚才提到的明天这一类问题，我们就可以明确本质上他是一个纸带消解的问题。我们可以把用户传给大模型之前，先做一层预处理， 就把纸带词替换成具体的实体，就比如把那明天替换成北京天气怎么样，这一步就可以用专门的纸带消解模型，或者直接用大模型完成快而改写。 然后第三个就是 drama 的 精细化设计，多人对话的系统提示时要比单人复杂的多，然后我一般就首先明确定意模型的 角色和职责，然后对对话历史进行结构化呈现，不要把历史对话一股脑的塞进去，而是用这种清晰的风格符做好标记， 同时增加相应的约束和指引。然后第四个就是记忆机制的设计，就对长期用户，我们可以建立用户画像还有知识库，比如用户之前反馈过不喜欢某品牌，或者就是经常购买某类商品， 这些信息就可以作为长期记忆存储下来，下次对话的时候就在提示词里面加一句，用户他不喜欢这个，或者说是经常购买的一个，这样就可以开启新的对话 模型也具备一定的个性化能力。我已经把二零二六年大模型进阶的最新路线整理好了，如果你也想进阶大模型，我可以给你一份大厂内部必读的文档，里边包含模型原理、产品落地、思维框架，内容非常全面，需要的话我直接安排。
44大厂阿星
05:06查看AI文稿AI文稿这段题呢是非常经典的一个面试题，就是有一个学生去面试的时候，面试官所问到说我们公司要做一个这样这样这样的一个流程，这样这样的一个工作流，这样这样的一个智能客服，反正就要用智能体去做，就这么一个东西，假如你要来做，你怎么样去做？ 那这个原题是什么呢？原题是那个面试官就说了一大堆，大概就是我们要做一个翡翠类型的，都是年龄比较大的， 喜欢这种什么古董呀，玉器呀，对吧？翡翠呀，什么玛瑙呀，乱七八糟这这些东西，对吧？然后要做一个智能客服，哎，要你来，你怎么做？很简单，第一步呢，我肯定是要了解到需求吧，你需求不了解你做个毛线。然后第二步，第三步，第四步是吧？所以说呢，咱们整理一下通用型的第一步呢，是要掌握需求 对吧？掌握需求目的是啊，足够了解需求，能设计出来啊，非常啊，能设计出来的工作流，不仅可以完成啊，最终效果， 而且用户体验是要考虑进去的，那么足够了解需求， 应用体验也会极佳。好，这是第一要掌握需求，掌握需求之后呢？第二呢就是工作对接，那么在搭建流程就 work flow 工作流的过程中，搭建工作流 的过程中啊，难免会和其他部门的同事来沟通啊，例如我们做的这个内容是吧？啊？是否涉及到啊？自定义插件，就比如 要把某些信息啊存储到我们自有的平台啊，例例如后台，后台管理系统， 嗯，等等等的对接 好，那么对接完了以后呢，紧接着我们就要上线 啊，紧接要就是，呃，我们的工作流测试以及上线啊，那么工作流搭建完毕 后啊，进行测试，测试没有问题即可上线。对，然后第四反复不断优化 啊，这个主要是为了后期不断的提升用户体验。 好，所以说呢，我们整个的回答就是分为四步，第一掌握需求，第二工作对接，第三测试及上线，第四反复不断优化，这四个点跑不了。那你在面试过程中要展开去聊，就刚才比如说我说那个东西，就是人家家要搭一个智能客服，对吧？要符合什么？就是他们搭这个售前的 要做到的是，呃，就是他那个古董拍卖的什么什么这商城的一个智能客服。那你要回怎么回呢？首先他问你了啊，假如要做这样东西，假如你来做，你要怎么做啊？那大概分为这么四步 啊，那第一步呢是掌握需求，第二步呢是工作对接，第三步呢是测试及上线，第四步呢反复不断的优化。好，先说第一步掌握需求啊，我认为呢就是要足够的要把需求弄清楚之后， 对吧？再去去做我们的工作流，那么这样的话会对整个工作流呢清晰，那设计出来的工作流呢，也是符合咱们需求的，并且呢能做到很好的用户体验，因为我觉得因为毕竟人用嘛，所以用户体验是我觉得是最重要的。 好，那当我掌握了足够的需求之后呢，紧接着我需要可能在搭建这个流的过程中呢，和我们同事呢进行对接，例如呢，咱们公司如果要程序员，那是不是有一些数据，我们在管理系统之中，像我们之前做过一个 这个对话流，就有一部分是要存储的啊，那当然这块呢就是我们存储的数据是为了后期不断优化，所以说呢是不是要存储啊？这个呢可能要和我们的技术的小伙伴的同学来进行沟通。 然后第三呢就是测试机上线，就是做完这东西呢，我们肯定是要经过经过我的一个测试的，那测试完没有问题以后呢，这个工作流就可以上线了， 那上线完事之后呢，我们要反复不断的去优化它，就是要观察这工作流它的一个用户使用的情况怎么样，对吧？如果说，呃，在使用过程中啊，不管是有一些内容啊，是好也好，不好也好，我们肯定是要不断优化它， 呃，最终呢能让用户的体验是极佳的啊，这样就可以了啊，那大概呢就分为这么四步。当然呢我在面试过程中说的比较笼统，因为具体的这个事情还是要具体去分析具体看的啊，真正实施起来以后呢，可能会有很多问题啊，不过没关系，这问题呢我也都有经验，可以一步步把它解决掉啊，这样就可以了啊，这就是这个问题该怎么去回答？
22小鹿线-老张
02:47查看AI文稿AI文稿你去面 ai 产品经理，如果你还在被 transformer 参数，兄弟直接出局了。说实话，我最近面了十多个 ai 产品经理，能让我点头都不到两个。问题不在你不努力，而在你方向错了。今天呢，我直接把话说透， ai 产品经理面试有四个核心点，缺一个的危险。那第一个是模型选型， 你不是选最强，是选最合适。很多人一上来就说我们用了最强模型，那这句话一出口，基本上就暴露了你没有做过真实的项目。 面试官想要听的是什么？不是你会不会用模型，而是你能不能做取舍。你可以这么讲，我们测了多个模型，效果都不错，但推理成本高，延迟在几秒几，对 c 端的实时交互来说呢，这种体验是明显下降的。所以我们怎么做，就是用大模型加小模型的混合策略。大部分高频低复杂度请求交给小模型，复杂任务再路由给大模型， 这叫什么？这叫业务驱动的决策能力。第二，微调，别讲参数，死磕数据。讲真的啊，大部分人一聊微调就开始被技术细节。但是面试官根本不关心你调了多少参数，他只看三件事， 数据从哪里来？数据要怎么处理，标准怎么定义。你要讲的是我们如何构建高质量的数据集，如何设计评估指标，以及最关键的就是如何用这些指标不断迭代模型。记住一句话， ai 产品经理管的是效果，不是参数。那第三，评测体系，你必须要有一把尺子。 很多人被问你怎么证明模型变好了直接卡壳，那这就是制定的问题，一个合格的 ai 产品经理一定是有评测体系的， 你可以这样说，我们会维护一套覆盖核心业务场景的高质量评测级，每次模型叠带必须全量跑一遍，看什么？ 看的是准确率、幻觉率、稳定性，核心指标不达标，不会全量上线，而是进入灰度或者继续优化，这才叫做产品思维，不是感觉好，而是可验证，可付现。那第四， a 阵的设计不是流程，是系统。 那很多人找 a 检测，只会说定义任务，调用 a p i 返回结果，听起来很完整，其实没有任何信息量。真正有水平的人，他会讲三件事情， 怎么保证效率，怎么保证稳定，怎么做容错。比如你可以说在流程中加入了反思节点和校验机制，如果输出结果和用户问题的语义相关系明显偏低，通过 a、 b 或者是规则的检测，那系统会自动触发重试或者切换策略。这说明什么？明你不是在搭流程，你是在做系统。 一句话， ai 产品经理面试不是比你懂多少模型，而是比你会不会做取舍，会不会控数据，会不会做评测，会不会做系统。 那说白了， ai 这行拼的不是谁最懂技术，而是谁能把技术变成结果。如果你是普通人，入一个核心面试不是比你懂多少 ai， 而是比你有没有把 ai 做成产品的能力。最 后呢，整理了一份某个大厂要求 ai 产品经理必须掌握的文档，里面把 ai 产品的研发流程、大模型的发展方向，以及当前 ai 产品真正的问题都猜清楚了。如果你真的想进入这个行业，这份东西值得你去看一下。
753AI产品果果姐
02:52查看AI文稿AI文稿作为 ai 产品经理，你会不会 web coding， 以及说一下你对 web coding 的 看法？好的面试官，我对 web coding 的 使用频率还是挺高的。那 web coding 它的中文叫范围编程，核心思路其实就是我们不需要懂怎么去写代码，只需要用自然语言去描述我们想要什么，然后让 ai 来实现。 那我觉得 web coding 对 产品经理而言有三个特别实在的价值。第一个就是原型验证的速度，以前产品经理想验证一个想法，要画原型图，写需求文档，找工程师开发等排期， 整个链条下来，快的话两周，慢的话可能好几个月。但现在我们可以先用 web coding 做一个能点能跑的 demo， 然后拿着这个 demo 去跟用户测，测完之后再决定值不值得让工程师做完整版，那这个验证成本就会低非常多。 第二个就是和工程师沟通的质量，我们给工程师看一个能跑的 demo， 和给他们看一个静态的原型图，沟通效率实际上是会差非常多的。那之前有一次我就是用科室做了一个 ai 对 话界面的简单 demo， 把交互的逻辑都跑通了，然后拿去跟技术团队进行沟通，他们一下子就明白我想要什么，基本上没有那种，这里你说的是什么意思？这种反复的确认。 第三个就是能做一些自用的小工具，比如之前我做过一个自动整理竞品功能对比表格的脚本，一个批量处理用户反馈的小程序，这些东西如果去走需求流程的话，肯定是排不上的，但自己用 vip 定做，几个小时就能搞定，而且效率提升非常的明显。 但同时对于 web coding， 我 觉得他也有一些很现实的局限性，最大的问题就是代码质量和安全， ai 生成的代码看着能跑，但里面可能会有各种的坑，比如存在一些比较严重的安全漏洞，很多开发者在用的时候会不自觉的忽略安全检查， 因为 ai 说能跑了，你就觉得 ok 了，但底下的代码逻辑可能会有问题。第二个就是调试难度，自己写的代码出了 bug， 我 们知道逻辑在哪能排查，但 ai 生成的代码如果出了 bug， 我 们不一定知道它的实现逻辑有的时候越改越乱， 或者让 ai 改一个问题，它又出现了新的问题，这种套娃式的低 bug 会带来非常多的麻烦。第三个就是不适合复杂项目， 做一个小的工具，一个 mvp， 一个数据分析的脚本，那 web 扣点是非常好用的。但如果我们要做一个真正的生产级的应用架构设计、模考拆分、代码规范这些东西， ai 目前还没有办法完全搞定，需要工程师来把 控大局。那总的来说，我觉得 web 扣点对产品经理来说是一个很强的工具，能让我们在动手能力这个维度有质的提升，也能够大幅压缩从想法到验证的时间成本。 我觉得产品经理用 web 扣定最好的姿势就是用它快速验证想法，做内部的工具，跑通交互逻辑，然后把真正的工程实现交给工程师，两者是写错关系，而不是一个替代关系。
3151Mentor学长带你玩转职场
04:22查看AI文稿AI文稿今天呢，给大家分享一道 ai 产品经理的高频面试题，如何设计 r g 的 解锁策略。首先呢，不要一上来就谈具体技术，而是要先明确产品目标。我们构建的 r g 系统，最终是为了让用户获得准确而又完整的答案。准确指回答高度相关不跑题。 完整呢，就指不遗漏关键的信息，尤其是在处理复杂的查询的时候。但呢，这两个目标呢，往往是矛盾的，这回范围广了，往往会容易参入这个噪声， 召回窄了呢，又可能遗漏掉这个关键的片段。所以呢，减少策略的核心就是设计一套系统化的机制来平衡准和权。建议回答的时候呢，从召回、融合、金牌三个层面来设计这个策略。 我们呢，用一个具体案例来摇一下，比如说我们现在正在为一个这个大型智能家电的知识库啊，来构建一个万达的助手。首先第一层召回层单一解锁方式呢，很难应对所有的查询，我会设计至少两路核心的召回通道，像组建一个各有专长的这个专家的团队。 语音解锁的专家呢，他就负责理解这个用户问题的深层意图。比如说用户问我家冰箱不太制冷了怎么办？那他能找到关于这个制冷系统的这个故障排除，然后冷凝器清洁这样的文档，即便这些文档里可能没有不太制冷这几个元词，但他擅长处理表述多样，侧重与易匹配的场景 关键词。解锁专家呢，它是精准匹配的守门员。对于像用户查询中的一些具体型号、错误的代码或零件编号，你就像举个例子，比如说清洗什么什么什么什么型号，空调的滤网， 那它的效果是无可代替的，域域检所在这些硬性的匹配上反而就容易失准了。那在复杂的场景下，还可以引入第三个专家，比如说原数据过滤， 那就是先按这个产品的类别啊，文档的类型去筛选，或者是呢图检测，那比如说你知识关联性很强的时候，可以用这种进行这个初步的一个范围的圈定。 那第二层融合层，各路专家呢，找回了各自的后选的文档列表，但是他们的打分标准不一，没法直接去比较，这个需要一个调度中书来统一的评估。 最直接的方法呢是加权融合，比如说给语义解锁，结果呢，负零点七的权重，关键词解锁呢，你给他个零点三的权重，但是呢固定权重呢，很难以适应所有情况。更优的产品策略呢，是引入学习排序模型，它呢能根据大量的查询文档对自动学习，在不同情况下，如何综合的去各路的分数 实现呢？更智能的一个动态的这个排序，就是你让他去动态的实现这个排序。第三层呢，就是金牌层，经过融合层呢，我们可能得到了五十到一百篇相关的文档，全塞大模型成本特别高，而且呢容易导致这个信息过载， 因此呢需要一个金牌模型进行最终的把关。这个模型呢，会对问题文档进行的比较精细的，相关性的，深度的计算， 成本呢，虽然高于召回，但精度呢，其实显著提升了，最终呢，可能能筛选出这个 top 三到五篇最精华的文档呢，进入这个大模型，生成答案，在效果和成本之间就取得了一个比较好的一个平衡点， 除了主流程外的，还去关注几个提升体验的关键设计。第一个，动态召回机制定位，所有的问题啊，你都得调个一百 p m 文档啊，你通过这个预判查询意图以及复杂度，比如说你区分冰箱温度怎么调和分析冰箱能不能制冷的这个所有原因和经济维修方案， 它其实你动态的去调整这个召回数量，能够显著的去提升效率。查询理解于扩展，在解锁前呢，对用户原始查询进行改写和扩展，比如说将口语化的冰箱吵得很摁，自动的补充为 冰箱运行时噪音过大怎么解决？然后呢，生成这个噪音来源，降噪维护这种关联的问法，多路查询确保呢召回的覆盖率呢与解锁呢？如果知识库体量非常大，比如包含了全系列产品的这十年手册，很大 可以采用这分层的解锁。先根据用户问题中的产品大类，比如说空调，快速地去锁定紫知识库，然后在这个紫极里边儿进精细的多路召回， 大幅地去提升这个解锁速度和精度。总结一下，作为产品经理设计 r g e 解锁的策略的时候呢，我的思路就是 以准且全的产品目标为导向，构建多路召回智能融合、深度金牌的系统化的流程。然后呢，辅助以查查询理解啊，动态召回这些优化手段，在召回质量，响应速度还有成本控制之间呢，找到一个绝佳的这样一个平衡点， 关键在于呢，不迷恋单一的技术，而是根据实际的业务场景设计一套协同可叠代的解锁生态系统。如果大家呢，还想了解更多 ai 产品面试相关的问题，欢迎关注我的后续内容，我们下期再见。
01:57查看AI文稿AI文稿觉得有万全的准备才准备好，所以你对面是有恐惧感，我告诉你怎么样去克服你的恐惧感哈。第一点，给自己定一个 deadline， 比如说我的两周之内一定要把我的简历搞好，你就开始投递， 先给自己把这个小目标定下，不管刮台风还是下大雨啊，还是什么，要出去玩不管，所以倒推第一个，倒推时间，简历怎么着？改个至少两百才能往外投吧。一周第一百，第二周第二百。好，小目标有了对吧？然后第二， 目前从现在开始要刷岗位，就是比如说你的 boss 直聘，猎聘。为什么刷岗位？是因为你不是这么久没找工作了吗？系统还不认识你呢，你得尽职，他给你打标签， 要不然他是没有办法给你分配匹配的岗位的。你每天定时的去刷一刷，看一看有哪些岗位和你相关，然后就是也不用投，保持刷新频率，然后你看你的领域到底市面上有多少多少你觉得匹配的岗位，去把人家的岗位的 jd 拆解出来， 你不是要写简历吗？把他的岗位 j d 里面的关键词翻来覆去的在你的简历当中去命中，这样的话也帮助你写简历。然后第三个，你不是现在心里没底吗？你先从外地你不想去的城市，比如说成都、重庆，先投有面试一面，一面是线，上面就去面，面个骨架 你就敢去面了，同时复盘你的面试了，因为你本身就要做面试准备嘛，你要去梳理一些竹子稿什么的，你面过五家就大概知道到底他会关注你什么，你就知道你的问题在哪里了。一方面是相当于给你自己一些信息，对吧？第二个是 建立正反馈，去面试给你带来一些反馈，这个反馈不管是你过没过，他都是反馈过了，你还觉得，哎，面试还挺简单的，还有几家公司能够进到二面，哎，那你觉得有一点成就感了，对吧？没有那么没底气，没有信心了。如果面试总是挂，那你也知道 你的问题在哪里了，找到要去突破的地方了。所以我们到行动上来说，你把这三件事做了就行了，绝大部分的公司都没有办法给一个人带来非常非常优秀的成长。这个世界是个最大的草台班子啊。对，你也不需要特别担忧，说啊，自己在这家公司成长心不足，你要知道是跟你同台竞争的人，他可能成长心还不如你呢。
246亚慧AI产品经理
02:15查看AI文稿AI文稿就是虽然你们做了微调，但是你们微调你们是能启动的时候就做了吗？我，我理解应该你们能启动的时候没有这么多数据吧，对吧？所以说如果能启动没有那么多数据的话，你们是怎么去针对？就是你的 mvp 阶段，针对这个地图识别模糊这个问题， 就是因为很多产品他们在能启动的时候用，比如说只收了一个词，但是我们识别不到一些有效信息，对吧？那针对这种能启动，但是呢？嗯，我们没有相关信息的时候，你们有没有做一些优化？ 呃，这个我觉得也是善良中选里的一个典型的一个情况，就是不能所有都交给大伙寻去猜， ok， 猜的话很容易猜出半句来，是不能 就是全部交给民众，就能把它想象在一个非常懂 ai 里面，它能够写出非常系统化的 program， 能够很结构化的表达自己需求。嗯，所以在这方面我们也是做了一些传统的一些产品设计在前呢，我们会 通过三个以内的这个交互的方式，呃，去询问用户的意图，就是请用户，用户做一个意图神清。就像现在很多这种 wifi 的 这个产品转化也好， qq 空间也好，这些都会先去让用户去简单几个 qq， 它可能就是很简单的选项。那在我们这个产品里边， 我们比如说会就像用户就提供他的要生产这个内容的类型的群体，对这个群体的学段，然后比如说背景以及这个学习的情况深度，然后这风格等等这些这些去做一个简单的澄清，或者说去做选择，然后有这样一些表单式的这个一个澄清之后我们就已经能够， 呃，就是做一些比较好的这个印度的识别，然后剩下接下来的就是怎么去匹配用户他本身的啊？原有的这个意图里边主要想表达的东西啊，其实你这个问题你回答的不是我前面那个问题，我前面问题是意图识别错了，你们列路怎么纠正？然后你现在给我引路了，说你们其实有一些反思机制跟用户确认的环节吗？对吧？ 哦，对啊，啊对，你这不是回答我前面那个问题吗？实际上这个你如果说你用 c c 啊，用啊，那个 cloud 的 good 用的比较多，有一些 play 模式，其实就是这个意思嘛，对吧？我们先练一个 play， 类似于让用户去确认嘛？ 呃，对，是的，那当时那会儿其实，呃对 cloud 的 稍微的三点五都还就是没有没有这种 play 模式，嗯，就是我们是希望就通过这种简单简单的就询问来就是去确认这个用户具体的这种需求模式。
02:18查看AI文稿AI文稿如果想要来到 ai 行业做销售的话，面试的时候会被问到哪些问题呢？今天跟大家梳理一下，怎么样去提高我们的一个面试成功率哈。首先面试官的一个核心问题就是你对 ai 到底掌握了多少？ 或者说你平时是怎么使用 ai 工具的？那这里当然是考察我们对 ai 的 一个理解程度哈，最好的回答其实就是你要告诉面试官，你已经把 ai 啊深入使用到日常生活和工作的方方面面了。 比如说我做了一个智能体啊，可以每天帮我去搜集竞品公司的消息，或者是我自己搭了一个知识库，把我所有的知识和我个人的信息啊都存进去了，问到什么 ai 都会帮我去调用， 那具体怎么回答？其实要结合自己的背景，比如说你本来就是做销售的，你就可以写啊，你怎么样去通过 ai 来帮助你获得客户信息，那如果说你是设计师的，你就说你是怎么样利用 ai 工具来帮你画图的。 当然我们如果要把这个问题很好的回答了，我们就必须要切切实实的去把 ai 工具使用了，去把智能体搭建出来了，并且能够用 ai 做出一些结果， 不管是图啊，表啊，还是一个个人的网站啊，其实都可以，只有这样我们才有说服力。那第二类问题啊，当然就是考察你的销售能力了，首先哈，我们说话得条理清晰，最好是什么，因为这直接关系到以后你跟客户洽谈能不能成功。 那如果说你没有销售经验，你就得提前提炼出啊，你有哪些跟销售相关的能力，不管是同理心或者说沟通能力啊，其实都可以，然后再用具体的案例去证明，比如说你在学校做过多少活动啊，拉过多少赞助等等。 如果说你有销售经验，你就得突出你的工作亮点，比如说你过往的销售经历中，你的客单价是多少，销售周期有多长，你是通过什么方式去逼单的等等等等。尤其是针对刚转行的朋友啊，面试官会担心你转行能不能够胜任这份工作，所以啊，必须要向面试官证明你是可以胜任工作的。 怎么证明呢？我们要重点研究一下岗位介绍，从岗位介绍中啊，就能够看出来我们日常的工作内容了。那如果说这个岗位的重点是开发客户，你就要说你有哪些能力可以用在开发客户上。 如果说是做一些老客户的维护的话，那你就要说明啊，你能通过什么方式去维护老客户，提高老客户的一个复购的几率哈。
144香芋Tato
03:39查看AI文稿AI文稿现在的 agent 概念特别火，大家都觉得这是大模型的终极形态。如果让你作为 ai 产品经理带队从零到一落地一个 agent 产品，你会怎么规划这个过程？我想听听你具体的落地思路，包括你会避开哪些坑。好的面试官。其实落地一个 agent 真的 只是套个对话框那么简单。 如果我来带队，我第一步会把精力放在场景定义和价值闭环上，而不是急着选模型。很多项目失败是因为把 a 阵的当成了全能助手，结果什么都能干，但什么都干不好。我会先找一个边界清晰、容错率相对较高且能够显著提升效率的垂直场景， 比如是一个帮财务自动对账的 a 阵，还是一个帮销售写跟进邮件的 a 阵。确定好他到底是谁和他要解决的具体问题。 这是零到一最基础的底座，明确的场景。接下来，我会进入核心的架构设计阶段。作为一个 ai 产品经理， 我理解的 a 帧，它由四部分组成，感知、规划、记忆和工具使用。我会重点抓规划和工具这两块。在规划层，我会根据任务复杂度决定是让模型自主拆解，还是我们通过 s o p 给它预设好工作流。如果任务非常严谨， 我会倾向于用固定的 workflow 来约束模型，避免它在大模型幻觉的影响下乱跑。在工具层，我需要梳理清楚 agent 必须调用的外部 a p i， 比如查询数据库、调用搜索插件或者操作第三方软件。我会和开发团队一起定义好这些 to 的 描述词。 因为大模型能不能准确识别并调用工具，很大程度上取决于我们给工具写的 prompt 是 否清晰。然后就是非常关键的数据和记忆模块。我会给 a 阵的设计两层记忆，一层是短期的上下文记忆， 让他记得刚才聊了什么。另一层是基于向量数据库的常效记忆，这能让 a 站的拥有特定的知识库。 比如做一个垂直行业的咨询 agent， 我 会把行业的规章制度、过往案例全部打散做成缩影。用户提问时， agent 先去库里解锁，再结合解锁到的内容生成回答，这就是我们常说的 r a g 模式，这样能极大解决模型胡说八道的问题。 在开发过程中，我一定会坚持小步快跑的策略，我会先撸一个 m v p 出来，内部跑通最核心的路径。这时候我不会追求大而全，但我会建立一套评估指标。传统的软件看点击率、转化率， aj 的 考核还要看任务成功率、响应耗时以及单次任务的 token 成本。我会亲自动手去标注数据，看看在哪些环节模型卡住了，是 prompt 写的不够细，还是模型本身的推理能力跟不上，或者是工具返回的结果他理解不了。关于防坑指南，我会特别注意幻觉和边界的问题。 agent 在 执行任务时可能会陷入死循环，或者在执行高权限操作时出错，所以我会在产品逻辑里加入人工介入的环节。 重要的决策， a 阵必须生成一个草稿，让用户确认通过胸闷 in the loop 来保底。同时我会给他设定清晰的附项约束，什么能做，什么绝对不能碰，都会在系统提示词里写清楚。最后到了上线前的阶段，我会重点关注用户体验 a 阵的这种产品如果加载时间太长，用户很快就没耐心了，我会考虑用流势输出。或者在 a 阵子思考和调用工具的过程中给用户一些反馈，比如显示正在查询数据库， 正在分析数据，让用户知道 a 阵正在努力工作而不是死机了。总的来说，落地一个 a 阵是一个不断在模型能力和业务确定性之间找平衡的过程。 我会从真实需求出发，通过精细的工作流设计和严密的评估体系，把一个概率性的模型变成一个确定性的生产力工具。最后，我整理了一份近期各大厂 ai 产品经理高频面试提文档，大家可以来看看。
82AI产品骆齐
03:39查看AI文稿AI文稿我看你简历上负责过那个智能助手的项目，里边涉及不少复杂的交互，那咱们聊聊具体的，在你负责的这个项目里，意图识别这块你们是怎么落地的？另外，对于意图识别最核心的准确率指标，你们当时是通过哪些手段去优化的？在这个项目里，意图识别其实是我们整个 n l u 模块的守门员。 简单来说，我们采用的是一套规则兜底加深度学习、模型分类、加大模型语义理解的组合方案。在项目初期，我们先定义了核心的意图术，为了保证响应速度和可控性，我们并没有一上来就全交给模型。 对于一些高频且格式非常固定的指令，比如打开某功能或者退出，我们用的是高性能的正则匹配或词典预过滤，这样能省掉不少计算资源。 而对于占大头的用户自然语言，我们主要依靠于 bird 类的向量化模型去做多标签分类，我们会把用户输入的句子映射到预设的几百个意图分类上。在实际落地的过程中，我发现单纯靠分类模型是不够的，因为用户说话非常随意， 所以我们后来引入了大模型作为语义补充。当分类模型的知性度处于一个微度区间，也就是模棱两可的时候，我们会把上下文丢给大模型， 让他结合当下的语境去做二判。说到如何提升准确率，这确实是我们花精力最多的地方，我总结下来主要是从四个维度去死磕的。第一是数据质量的精细化治理， ai 圈有句话叫垃圾进垃圾出意图识别也是一样的，我们当时发现准确率上不去，很大程度是因为训练级的标签有噪音，或者是意图定义的边界太模糊了。我带团队重新梳理了意图体系， 把重叠度高的意图做了合并，对容易混淆的意图做了拆分。同时，我们建立了一套标注反馈机制，每天我们会抽检 bad cases， 把那些模型识别错的语料拿出来分析，如果是标注错了就纠正，如果是模型学的不好，就通过数据增强， 比如同义词替换、回忆等手段，定向补充这一类意图的训练样本，让模型多见世面。很多时候，单看用户这一句话是没法判断意图的。 比如用户说再来一个，他在听音乐时和在点餐时意图完全不同。我们通过 session 管理，把前几轮的对话状态作为特征输入给模型，通过给意图加上时效性和场景权重，我们大幅度降低了跨场景下的识别误撞率。第三是针对巨石 和 o o d 的 专项优化准确率，不只是要把对的认对，还要把不在服务范围内的东西挡出去。以前模型总是强行把用户的 闲聊归类到某个业务意图中，导致回复很莫名其妙。后来我们专门训练了一个二分类的句式模型，先判断这句话是不是在我们业务的服务区内。对于那些确定不了意图的请求，我们设计了婉转的澄清话术，引导用户重新表述，而不是瞎猜。 第四是建立了一套线上闭环的自动化评测体系。我们不仅看整体的 f e score， 还会针对核心高频意图设立专门的金标准级，每当模型迭代时，必须通过这套准入测试。同时，我们在线上接入了用户反馈信号，比如用户如果连续问了两次同样的问题， 或者在机器人回复后点击了没帮助时，这些信号会自动触发报警，我们会把这些 bad cases 自动捞取出来，进入下一轮的优化循环。通过这套组合拳， 我们项目在半年内把核心意图的 top 一 准确率从最初的百分之八十二左右提升到了百分之九十四以上，基本上解决了大部分用户听不懂的抱怨。最后，我整理了一份近期各大厂 ai 产品经理高频面试提文档，大家可以来看看。
1046AI产品骆齐
08:34查看AI文稿AI文稿这些面试题的东西都是来自于之前的学生，他们去面试过所问的问题，所以说我就把它摘出来了。然后录音方面呢，我就不一一个给大家听了啊，一会呢，我会给大家发点那个录音，你可以自己私下去听一听。好吧，好，那我们就首先先来看知识类的面试题，然后面咱们再去看这个项目类的和其他类的啊，那我们就先来看智能体的吧， 有关智能体其实问的东西比较多，我先挑一些重点的给大家去说吧。然后第一个呢是插件，我们细说一下咱们用过的插件有哪些？然后插件呢？咱们用过的东西有很多啊，首先呢，咱们先用过剪映那一套 啊，比如说那个小助手，然后用它来，呃，通过文字或图片生成视频 啊，这个呢，用过导入 word， 然后读取 word 或者 excel 内容啊，然后生成 html 格式化那个 html 啊，然后最后做成格式化格式化数据，然后非输多维表格，不就就不说了。然后呢，还用过搜索新闻啊等等系列那些就不写了 啊。然后微信公众号，这个是用来做了一个文章监控到发布的过程，是吧？说完这些东西，呃，当然你就说一大堆差，说一大堆插件，你不，你不可能说我用过一百个就说一百个，对吧？ 好。然后呢，这些东西呢，紧接着他就会问你在下一个问题，所以说下一个问题和这个问题连着就是，呃，用 没有自定义过插件，好，我们是定义过插件的，大家记不记得就是这样自定义插件是做，呃，之前说过自定义插件是插件干嘛的呀？就是，呃，本身扣子不具备，对吧？所以说咱们要借助第三方力量，所以说用了插件。对，然后呢，咱们做那个对话流的时候，我不知道大家还记不记得在做那个对话流的时候， 然后我们需要把用户呢所问的问题都记录到我们的后台管理系统之中，那么在这呢，我们用两种方式，一个是 tab， 一个是插件啊，所以说我们是，呃，就是自定义插件啊，把数据啊存储 存储在我们的后台管理系统中好。然后自行插件呢？需要注意的需要做到的几个点，或者需要注意的几个点啊？自行插件需要对接的有 好有这么几个，首先呢是 u r l 链接，然后请求方式啊，然后输入参数 啊，输出参数，这就是有关于插件的部分，好一点过啊，首先插件这有没有问题啊？没有问题，打一，有问题打二，你要面试智能体插件是几乎要问的一个东西啊，一定要注意。 好，那这个就过了啊。然后呢，这些面试题的东西都是来自于之前的学生，他们去面试过所问的问题，所以说我就把它摘出来了。然后录音方面呢，我就不一一个给大家听了啊，一会呢会给大家发点那个录音，你可以自己私下去听一听。好吧， 之前有一个面试问过，说把数据导入到飞书表格该怎么做啊？其实就是插件，我们的回答就是直接使用扣子，自带扣子里边插件就可以了啊，里边有飞书的各种插件啊，例如我之前用过的飞书多维表格插件， 嗯，这个就可以了。然后呢，你这地方要说全一点啊，说全一点就是因为分数表格它多，表格它所接收的数据格式咱们需要去调整 啊啊，但是需要注意啊，那那那使用插件存储数据需要注意插件啊，输出的格式啊，那么这个格式可以通过大模型或代码块 来进行调整啊，人要求的格式来来来去输出，要不然肯定是不行的， 要求的输入啊啊，注意插件输入输入的格式好，然后我们再来看有关于 扣子用的什么模型，之前使用扣子做智能体都使用的使用的什么模型好？这个呢，就根据你的自身情况去回答就可以啊，扣子默认是豆包啊，在一定程度上 可能会更换模型啊，比如啊，之前做过一个 pe 工程 啊，里边测试测试过啊，有一些有些模型啊，对于正则表达式理解就比较好，有些模型啊，理解就就就不算不算特别好啊。我记得当初 pe 调试 提示词借助过 code， 当初使用的模型是 devink 啊，平时用 code 几乎都是豆包 啊，不过使用哪个模型 都是根据需求来定啊，最终选择合适的模型。另外扣子中也有模型 评估的功能，但是个人觉得 这个评估啊用处不大，原因就是它是一个评判机制，而不是真正的模型评估。 好，这么回答就可以了，然后紧接着会问，你测试过哪些模型效果的好坏和上一个问题是连着的，就是因为为什么会问下面这个问题呢？是因为你上个问题回答不好，所以他会问你下一个问题，比如说人家问你说，哎，之前呢，你用扣子做智能体的时候用过什么模型你说哎我用豆包 啊只是这么回答那紧接着就会问你啊那你都测试过哪模型那么效果好坏你你你没测过吗？啊那你就紧接着要回答如果你这个问题回答特别全面了对吧那么下个问题呢他则就可能不会问你了因为你已经已经说过了啊所以说呢我告诉大家啊 我跟大家说这么个事啊，就是现在 ai 训练师呢其实面试比较简单只有两种人呢找不到工作。第一种人呢是没有面试比如说他学历各方面的不高对吧啊或者说是各种各样原因吧第二种呢就不会说话就说话说不到点上 几乎就这两种原因导致面试通过不了。呃你就拿我就是上一个班我我弟妹来说吧她学的肯定是不是倒数第一倒数第二贼菜的。 但是呢我也没有特殊照顾啊我也没有特殊到照顾过但是呢他是因为之前是从事幼师的他说话没问题啊能说会道的。对所以说呢他沟通表达比较不错在北京也找到十一 k 工作。就是我的意思是面试中呢他就是一种感觉 你是不是面试官想要的人你要把这个东西呢说清楚要充分的展开不能说你他问你答对吧人家问你这个问题你说豆包对吧就是很简单他问你的问题你要比他问的问题的答案你回答他的内容要多吧就答案内容要多吧 对吧你要充分的知道他其实想问你什么他问你这个问题其实背地里边想要知道什么，这个东西你要说清楚了，那就问题不大了。但凡你说不清楚，就是挤牙膏式的面试是最难受的，就是不灵光，这个人显得木讷 是吧，所以一定要展开去聊啊。就是你不要怕说错，你怕个毛线，说错就说错了呗，说错了下次改不就完事了吗？又不掉肉又不扣钱的，对吧。 啊，测试过哪些模型效果好坏啊？测试啊，之前啊，你之前确实还 遇到过这个问题啊，还测试过啊。呃，之前啊，就比如啊，就这啊，这么回答就行了。好，我们继续往下看，关注后续更新哦。
31小鹿线-老张
00:44查看AI文稿AI文稿有没有最近正在准备面试的朋友，给大家推荐一个非常厉害的 ai 软件，叫 notebook i o m。 它这个首先它完全免费啊，而且它这个用法非常简单，就你把你的简历、项目经理还有作品集 一股脑的全丢给他，它又能生成一个关于你整个人的 ppt 思维导图，还有一个两到三分钟的播课。 我感觉这个播客是最厉害的，就是他会以一个第三方视角来客观分析你的一个优势亮点，相当于这种面试官提前模拟， 你也能更加知道自己的竞争力在哪。至于这个的使用方法，你可以去搜一下，网上有非常多成熟的教程。好了，我现在要继续听他们在这夸我了，拜拜。
4.4万被雨淋湿的小八
01:18查看AI文稿AI文稿有，面试过程中大概率会问到你如何才能保证我们标注员的准确率，标注员的准确率，他考察的方向就是你准确率是怎么定义的，如何计算的。你在标注过程中， 你和准确率相关的环节，如质检和验收，包括你通过优化流程和试标培训保证准确率。所以我们的完整的回答可以这样说，当我们每次承接一个需求，我都会和需求方确认本次标注的结果 准确率最低的标准或者是可用的标准。当然，每次寻求的准确率要求也会有不同。 之前工作中我们标注的结果的准确率一直在九十五百分之九十五以上数据的准确率肯定和 a 训练时之后的效果有直接联系。如果标注需要通过第三方供应商或者兼职人员，我们需要对他们有效的监督和管理， 那这些流动性较大项目中中途更换人员也会造成准确率下降。一经一经发现，我们会及时纠正和培训，必要时会对个别工作人员进行第二次培训。对于准确率提升并不是一两个点就可以 完成的，需要我们长期的工作的反馈和优化的流程，最终提升我们的准确率。你们可以这样去回答面试官的一些问题。
11小五-AI就业