外观
面试题 001-010题
来源：飞书原文 | 整理日期：2026-09-22
第 1 题第 2 题第 3 题第 4 题第 5 题第 6 题第 7 题第 8 题第 10 题
1-请说明AI大模型应用开发和底层区别，市场需求占比。
题目分析和考点
- 此题目主要考察学员是否理解AI大模型开发的不同层次
- 考察学员是否清楚AI应用开发和底层原理的区别
- 了解学员对市场需求的认知程度
难度【 * * * 】
答案
- AI大模型应用开发（90%市场占比）
- 主要开发具体的应用产品，如智能客服机器人、智能美颜相机等
- 面向具体的商业场景，如企业问答、智能律师、智慧政务、税务等
- 适合有编程基础的开发者，重点在于实现具体功能和快速看到应用效果
- 是大多数公司的主要开发方向，包括App和网站等应用
- AI大模型底层原理（10%市场占比）
- 研究模型为什么更加智能，采用什么数学算法
- 需要较高学历背景，需要研究英文论文、高等数学知识、算法原理
- 岗位需求相对较少，要求更专业的知识储备
- 适合对数学模型、机器学习有深厚基础的研究者
- AI大模型应用开发（90%市场占比）
2-LLM开发应用为什么不能仅调用外部API, 如通义千问？要考虑哪些因素？
题目分析和考点
- 考察学员对AI大模型商业应用的理解深度
- 测试学员是否了解企业级应用的特殊需求
- 考察对数据安全性的认知
难度【 * * * 】
答案
- 架构层面考虑
- 需要考虑重试机制、兜底降级机制等微服务架构特性
- 需要处理失败情况、日志生成、资源管理、性能优化等
- 要考虑与后端业务系统和数据库的联动
- 数据安全性
- 企业的敏感数据不适合上传到外部平台
- 特定行业（如律师、医疗、财税等）的专业领域知识需要特殊保护
- 需要私有化部署方案
- 业务定制需求
- 通用大模型只适合个人提升效率，难以满足商用级别需求
- 需要针对公司所处行业进行深度定制和优化
- 要能够整合公司历史资料、文档记录、案例等数据
- 架构层面考虑
3-请举例说明AI智能化云盘项目中可以开发哪些具体的应用场景。
题目分析和考点
- 考察学员对AI应用场景的理解
- 测试学员是否掌握了课程中的核心应用案例
- 考察对实际业务需求的理解程度
难度【 * * * 】
答案
- AI文档助手
- 处理word文档、PDF等，生成文档总结、周报、季度汇报
- 整理和汇总培训资料，生成清晰的排版
- 协助生成多类型跳槽简历、毕业论文
- 企业知识库
- 智能化归类和整合企业知识资源
- 作为企业内部知识共享平台，提高团队协作效率
- 提供客户服务，快速准确解答问题
- 支持员工培训，提供定制化培训方案
- 私人AI助理
- 提供聊天陪伴、讲笑话、小游戏等休闲娱乐功能
- 根据用户喜好进行个性化内容推荐
- 协助健康管理，提供运动、饮食建议
- 特定领域智能聊天机器人
- 财务分析：处理公司财报和股票行情，提供决策建议
- 医疗诊断：分析检查报告，提供诊断建议
- 智能客服：整合销售话术和专业知识
- AI文档助手
4-作为技术人员，为什么需要掌握产品需求文档的编写？
题目分析和考点
- 考察学员对技术人员全面能力的认知
- 测试学员是否理解产品需求文档的重要性
- 考察在AI项目中的特殊考虑因素
难度【 * * * 】
答案
- 为什么技术Leader需要掌握需求文档
- 特定领域项目中，产品经理可能缺乏必要的技术知识背景
- 技术人员更了解技术实现的复杂性和可行性
- 能够更好地评估技术风险和确定需求优先级
- 技术背景的重要性
- 帮助解决与技术团队的沟通障碍
- 能够准确评估技术实现风险
- 可以做出更准确的需求优先级判断
- AI项目的特殊性
- 需要考虑AI模型的性能和限制
- 要评估数据安全性和隐私保护
- 需要考虑模型训练和部署的资源需求
- 为什么技术Leader需要掌握需求文档
5-在AI智能化云盘项目中，对硬件资源和部署有什么特殊要求？
题目分析和考点
- 考察学员对AI项目资源需求的理解
- 测试学员是否掌握解决方案
- 考察成本控制意识
难度【 * * * 】
答案
- 硬件资源需求
- LLM大模型参数规模从几亿到几百亿不等
- 需要较大的算力资源支持
- 开发环境和生产环境可能有不同的需求
- 解决方案
- 采用云服务器和三方算力平台
- 开发时可使用较小参数规模进行练习
- 生产环境根据公司需求选择不同参数规模
- 成本控制
- 可以通过几十块钱的云服务解决开发需求
- 不同级别项目可以选择不同配置
- 灵活调整资源配置，避免资源浪费
- 硬件资源需求
6-请简述AI智能化云盘项目的技术栈架构，并说明为什么选择这些技术。
题目分析和考点
- 考察学员对项目技术架构的理解
- 测试对各个技术选型的理解
- 考察技术整合能力
难度【 * * * * 】
答案
- 基础环境
- AI大模型编码插件
- JDK21 + IDEA旗舰版 + VSCode
- Python3.1X + Linux服务器
- 后端技术栈
- SpringBoot3.X + MybatisPlus + Lombok
- Mysql8.X + 多个开源工具包
- Redis7.X + Kafka3.X-Kraft架构/RabbitMQ
- 分布式文件存储MinIO或OSS存储引擎
- AI技术栈
- FastAPI框架 + LangChain框架
- 向量数据库Milvus
- GPT/ChatGLM/通义千问等大模型
- Huggingface/ModelScope等模型库
- 前端和部署
- Vue3 + AntDesign + Nginx网关
- Jenkins CICD + 阿里云Git仓库
- Docker容器编排调度
- 基础环境
7-在AI项目开发中，如何编写一份合格的产品需求文档？包含哪些关键内容？
题目分析和考点
- 考察学员对产品需求文档编写的理解
- 测试学员是否掌握文档结构和重点内容
- 考察项目管理能力
难度【 * * * 】
答案
- 文档基本结构
- 标题页：产品名称、版本号、编制日期、编制人、审核人
- 引言：文档目的、项目背景、术语定义
- 产品概述：产品愿景、目标、用户和市场定位
- 功能性需求
- 功能列表和详细描述
- 用户故事或用例
- 业务流程和规则
- 非功能性需求
- 性能要求：响应时间、并发用户数
- 安全要求：数据安全、访问控制
- 可用性要求：易用性和可访问性
- 法律和行业标准要求
- 技术和资源规划
- 技术栈和开发约束
- 项目计划和里程碑
- 预算和资源需求
- 风险评估和应对措施
- 文档基本结构
8-在AI项目中，为什么需要绘制架构图？不同类型架构图的作用是什么？
题目分析和考点
- 考察学员对架构设计的理解
- 测试对不同架构图用途的认识
- 考察项目沟通能力
难度【 * * * * 】
答案
- 架构图的重要性
- 一图胜千言，解决沟通障碍
- 面向不同业务方，展示系统不同维度
- 帮助各方理解系统设计和实现
- 面向的业务方
- 上级：公司Leader、老板、外部投资人
- 团队内：产品、运营、测试、技术、运维
- 外部：系统最终用户
- 不同架构图的作用
- 产品/应用架构图
- 表达业务开展方式
- 降低业务系统复杂度
- 不应包含过多技术细节
- 技术架构图
- 识别技术需求
- 进行技术选型
- 描述技术之间的关系
- 产品/应用架构图
- 架构图的重要性
10-说下LangChain框架的核心功能，解决大模型开发中的哪些问题?
题目分析和考点
- 考察对LangChain框架的基本认知
- 测试对大模型开发痛点的理解
- 考察框架应用场景的掌握
难度【 * * * * 】
答案
- 大模型的局限性
- 无法获取训练数据外的实时信息
- 不能直接执行具体操作（如发邮件/查数据库）
- 处理复杂任务时缺乏步骤规划能力
- LangChain框架定义
- 是一个基于大型语言模型（LLM）开发应用程序的框架,专为构建与大语言模型（LLMs）相关的应用而设计。
- 通过将多个 API、数据源和外部工具无缝集成，LangChain 能帮助开发者更高效地构建智能应用。
- 从与 OpenAI 、DeepSeek等顶级大模型供应商的集成，到复杂的对话系统、智能搜索、推荐系统等
- LangChain 提供了丰富的功能和灵活的接口，极大地方便了开发者的工作。
- 通俗点：LangChain 就是对各类大模型提供的 API 的套壳，方便开发者使用这些 API和协议，搭建起来的模块和接口组合
- 大模型的局限性