跳到主要内容

FDE 面试场景题

下面的 12 道题是原创模拟练习。回答时先说清业务目标与约束,再用可复核的样本、验收或运行记录解释你做过的决定。关于工具调用、RAG 和 Agent 基础,可一起看 AI Agent 面试手册。

需求与范围​

1. 客户说想做「全公司的智能助手」,你第一天做什么?​

选一个愿意带你走现场流程的业务负责人,观察几笔正常单和异常单。记录角色、输入、输出、现有耗时和数据审批人,选出高频、可验收、风险可控的一段。用一页纸写清首期范围和回退方式。

2. 客户要求两周内自动处理全部工单,如何谈范围?​

先用历史样本确定哪些类别有清晰规则和足够数据。两周内可以承诺完成指定范围的试点和报告。若证据不足,把结果留在建议层,由操作人确认。剩余类别进入后续清单,写明进入条件。

3. 同一份业务定义,两个部门给出的标准不同,怎么处理?​

先找出各自适用的场景和负责人。样本标注保留角色、业务规则版本和争议原因,请共同验收人定最终口径。若两套规则都有效,把适用范围显式建模,保留无法路由时的人工分支。

技术设计与上线​

4. 工单分类该用规则、模型还是 Agent?​

先做最简单可验证的基线。稳定枚举、明确映射和必填校验适合规则,非结构化文本理解可用模型。只有动作路径取决于执行反馈、需要多个工具协调时,再考虑 Agent。用同一份样本比较质量、耗时、成本和异常覆盖。

5. 客户不允许生产数据离开内网,如何推进 PoC?​

确认禁止出网的对象、环境和审批负责人。在客户认可的环境中评估可部署模型与依赖,或先用脱敏或合成样本验证链路。把检索、推理、日志、遥测和备份存储逐项放进数据流图,分别核对边界。用获得批准的数据做最终验收。

6. 增加自动写回后,接口超时重试导致重复操作,如何设计?​

由应用生成幂等键,并由接收方按键返回已有结果。区分请求失败和结果未知,后者先查询状态。执行前校验操作人、目标和记录状态,留审计记录。对不能保证幂等的写入保留人工处理。

7. 新模型让评测通过率更高,试点用户却不愿采用,先看什么?​

并排检查样本构成、界面路径与真实任务。观察用户在哪一步放弃建议,核对引用是否好查、结果是否来得太慢、纠错有没有额外成本。按已曝光且适用的任务计算采用率,结合人工耗时和返工量分析。

8. 模型突然超时,客户业务不能停,如何恢复?​

先确认影响范围,让原流程降级到人工并停止无效重试。按请求 ID 对齐模型、检索、工具和队列的时延。恢复前用发布时的回归样本和低流量确认质量、延迟和依赖健康,再逐级恢复流量。

验收、沟通与复盘​

9. 业务方要求「准确率 95%」才能验收,你会追问哪些条件?​

明确任务、分母、抽样方法、参与标注的人、拒绝或转人工如何计算,以及长尾样本的底线。同时报告覆盖率和错误分组风险。先写口径再运行评测,保留可回放的失败样本与版本。

10. 客户希望下周上线,安全审批来不及,怎么汇报?​

把已完成、受阻和可交付的范围分别说清,给出不依赖生产权限的替代活动,例如合成数据演示或评测回放。明确缺少的批准、影响、责任人和新的决策时间。按批准范围推进。

11. 三家客户都要自定义路由,你会怎么产品化?​

比较三家在输入、权限、失败处理和状态变化上的共性,提炼成稳定接口或规则配置。用各客户的真实例外验收抽象边界。把专属映射留在租户配置,明确版本和回退方式,减少后续升级联动。

12. 面试官要你证明「提升了效率」,但项目没有全面上线,怎么讲?​

分清离线实验、有限试点和正式生产,讲你确实负责的步骤。在可比较的样本范围内给出基线、分母、测量方法和变化。没有可靠的生产数据就说明目前证据的范围,以及下一步如何补齐。

练习项目陈述​

用两分钟讲一次完整决策,再挑一个环节做深挖。可以用这五个问题组织素材:

  1. 哪类人在哪个工作环节遇到问题?
  2. 你怎样把目标变成一期可以验收的范围?
  3. 哪个决策是你亲手做的,有什么备选方案?
  4. 哪类样本失败过,怎么定位、修复并回归?
  5. 交付到什么阶段,如何回退和交接?

配套 工单分流案例 与 企业 AI 交付手册。