AI 应用开发、AI 算法研究、AI 产品经理面经合集

面过三个方向的AI岗才能发现问的东西完全不一样，今天给牛油们归纳一下[掉小珍珠了][掉小珍珠了][掉小珍珠了]

很多人在面AI岗的时候，拿同一套答案去应付所有岗位——一面过了，二面被怼，三面直接挂

问题不是技术不行，是你没搞清楚每个岗位的面试官到底在听什么

AI应用开发、AI算法研究、AI产品经理，这三个岗位的考察维度完全不同[懵]

拿应用开发的工程化答案去面算法岗，算法岗嫌你不够深

拿算法岗的公式推导去面产品岗，产品岗嫌你听不懂业务

下面把这三个方向拆开讲，各自问了什么、追问方式有什么不同、准备重心应该放哪[有offer]

方向一：AI应用开发岗——追的是“工程落地能力”

面试官在听什么： 你的Agent崩了怎么修、Token成本怎么控、上下文怎么管、系统上线之后怎么跑

典型问题长这样：

项目拷打类：

• “介绍一下你的Agent项目，从输入到输出的完整链路是什么？”
• “Agent在学术上由哪些部分组成？Memory怎么设计的？”
• “RAG为什么用BM25+向量的混合检索？单一向量检索不行吗？”
• “Agent调用工具的过程中经常出现超时，怎么定位和处理？”
• “Agent调了三个工具就死循环了，异常处理在哪写的？”

场景设计类：

• “设计一个日均100万查询的企业级RAG系统，架构怎么搭？”
• “怎么把RAG系统的P99延迟从2s降到300ms？”
• “多Agent同时执行，具体争抢哪些资源？上下文和状态怎么隔离？”

追问方式： 不让你背概念，上来就是“如果线上崩了你怎么查”、“如果流量翻了十倍你的系统会先挂在哪”。阿里一面出现过14连问，全是贴着项目细节往下追的

准备重心： 工程落地 > 框架API[碰拳]面试官默认你概念都懂，直接考你系统怎么不挂。重点补异常处理、上下文管理、Token成本控制、可观测性这四块

方向二：AI算法/研究岗——追的是“底层原理和数学推导”

面试官在听什么： 你知不知道Transformer怎么算的、RLHF怎么跑的、分布式训练怎么切的

典型问题长这样：

模型结构与训练类：

• “手写Multi-Head Attention，不能用torch.nn.MultiheadAttention。”
• “RLHF训练流程是什么？存在哪些潜在风险？”
• “PPO算法原理、DPO与PPO的核心区别及适用场景。”
• “GRPO、GSPO、DAPO的区别，为什么选某个方案？”
• “MoE架构的负载均衡损失函数手写一下。”

并行与优化类：

• “Megatron的并行策略（TP/PP/SP）怎么配置？”
• “ZeRO stage是否合理？数据并行/模型并行/流水线并行的区别。”
• “数学推导：LayerNorm对梯度消失的影响。”

追问方式： 面试官几乎不会让你干背八股，而是层层递进地问。“你了解RLHF吗”→“RLHF的三阶段是什么”→“Reward Model怎么训练的”→“PPO的损失函数怎么算的”→“GRPO和PPO的区别在哪”，每一层都在往下压

准备重心： 数学推导 > 工程实现[ok]光说“我了解Transformer”是不够的，要能手写Attention公式、能推导梯度、能讲清楚分布式训练的切分逻辑

方向三：AI产品/解决方案岗——追的是“场景判断和技术边界”

面试官在听什么： 你知不知道什么场景该用AI、什么场景不该用、用了之后怎么判断效果好不好

典型问题长这样：

场景判断类：

• “你为什么觉得这个场景适合用AI？不用AI行不行？”
• “Prompt、RAG和微调三种方式的核心区别是什么？分别适用什么场景？”
• “用大模型做这个功能，你觉得技术上有什么风险？”

技术边界与风险类：

• “如果用户反馈模型回答了错误信息，你的排查思路是什么？”
• “大模型回答不稳定、经常幻觉、答非所问，你怎么解决？”
• “怎么向完全不懂AI的客户解释大模型幻觉问题？”

ROI与落地类：

• “Agent如何在实际业务中落地？给团队原有工作流程带来了哪些变化？”
• “算力成本、数据标注成本、模型迭代成本，你怎么评估ROI？”

追问方式： 面试官不会问你“RAG的完整流程是什么”，而是问“你负责的产品里，RAG召回率怎么测的、微调数据怎么标的、模型迭代版本怎么验收的”。考的是你能不能把技术概念翻译成产品决策。

准备重心： 业务理解 > 技术深度[努力]不需要你手写Attention，但需要你能判断“这个功能用RAG还是微调”、“模型效果不好是数据问题还是模型问题”、“这个需求技术可行吗、成本多少、风险多大”

总结：三个方向的核心差异

AI应用开发： 面的是“你会不会搭”聚焦RAG链路、工具调用、上下文管理、异常兜底、可观测性。面试官要的是“能上线的人”

AI算法研究： 面的是“你懂不懂原理” 聚焦Transformer结构、RLHF流程、分布式训练、手撕代码。面试官要的是“能调模型的人”

AI产品经理： 面的是“你会不会判断”聚焦场景判断、技术边界、ROI评估、产品落地。面试官要的是“能拍板的人”

怎么判断自己适合哪个方向？

• 如果你拿到一个需求，第一反应是“这个系统架构怎么搭、挂了怎么办、成本怎么控”，去面应用开发
• 如果你拿到一篇论文，第一反应是“这个公式怎么推的、这个loss怎么算的、这个并行策略怎么切的”，去面算法研究
• 如果你拿到一个场景，第一反应是“这个需求值不值得做、用AI还是不用AI、做了之后怎么衡量效果”，去面产品经理

[牛啤]如果你拿同一套答案去面这三个岗位，大概率会挂

因为面试官想要的不是“懂AI的人”，而是“懂自己这个岗位需要什么的人”

搞清楚对面坐的是谁、他想听什么，比多背一百道题管用得多！！