跳到主要内容

面试脚本（30 分钟）

目标：给你一套可直接背的面试流程。

目录​

流程安排​

  1. 自我介绍（3 分钟）
  2. 项目介绍（10 分钟）
  3. 技术深挖（10 分钟）
  4. 现场小题（5-7 分钟）

项目讲述模板​

  • 问题：要解决什么
  • 方案：怎么做
  • 指标：如何评估
  • 结果：具体数据

现场小题​

  • 写一个“流式 + 取消”最小实现
  • 设计一个“RAG 文档问答”流程

过渡话术（可直接用）​

  • “接下来我用 1 分钟讲下系统架构，再用 1 分钟讲指标结果。”
  • “这个问题我分三点回答：原因、方案、结果。”

结尾提问（你可以反问）​

  • 团队目前 AI 应用落地的最大瓶颈是什么？
  • 你们更看重“体验”还是“成本控制”？

自我介绍模板（60 秒）​

  • 前端背景 + AI 应用方向
  • 做过的项目（流式/RAG/工具）
  • 指标或结果

项目讲述示例​

  • 需求：企业文档问答
  • 方案：切分 + 向量检索 + RAG Prompt
  • 结果：TopK 命中率 85%

时间分配（更细）​

  • 0-2 分钟：自我介绍
  • 2-8 分钟：项目一（流式聊天）
  • 8-15 分钟：项目二（RAG）
  • 15-22 分钟：工程化（成本/监控）
  • 22-28 分钟：现场小题
  • 28-30 分钟：反问

自我介绍样例​

“我是前端背景，过去半年专注 AI 应用工程，做过流式聊天、RAG 文档问答与工具型应用。重点在体验、成本控制与可观测性。”

项目讲述样例​

  • 问题：用户反馈回答不可信
  • 方案：加入引用面板
  • 结果：用户满意度提升 20%

口述模板（可直接替换）​

“我负责的模块是 ___，核心目标是 ___. 我们采用了 ___ 方案，关键指标是 ___，最终提升到 ___。”

常见追问与示例回答​

  • 为什么选 SSE？
    • SSE 简单稳定，适合单向流式输出
  • 为什么要 RAG？
    • 确保可追溯，避免幻觉
  • 如何做评估？
    • 用例集 + 命中率 + 引用准确率

反问清单（更多）​

  • 你们最关注的业务指标是什么？
  • 团队目前最大的技术债是什么？
  • 你们对 AI 应用的可靠性要求？

项目介绍详细版（示例）​

  • 背景：用户希望快速查询公司制度
  • 方案：RAG + 引用面板
  • 技术：切分/检索/重排
  • 结果：引用准确率 92%

技术深挖问题清单​

  • 为什么选择 SSE？
  • 如何做 Token 预算？
  • 如何做流式中断？
  • 如何做成本控制？

现场小题展开​

  • 写一个 AbortController 示例
  • 设计一个 RAG pipeline

结束语模板​

“感谢面试，我也很期待参与你们的 AI 应用落地。”

常见错误（避免）​

  • 只讲功能，不讲指标
  • 没有引用来源，可信度不足
  • 讲不清楚成本控制

现场回答模板（可复用）​

“我会先 ___，再 ___，最后 ___，并用 ___ 指标验证。”

深挖问题题库​

  1. 为什么不用 WebSocket？
  2. 如何处理超时？
  3. 如何做权限隔离？
  4. 如何做限流？
  5. 如何做重试？

面试后复盘清单​

  • 哪些问题答得不完整
  • 哪些指标没有数据
  • 哪些项目细节可补充

分段话术（示例）​

  • “这个模块我用三点讲清楚。”
  • “我先讲问题，再讲解决方案。”
  • “最后我给一个指标结果。”

技术深挖回答模板​

  • 关键点 1
  • 关键点 2
  • 关键点 3

作品集展示话术​

  • “这是一段 45 秒录屏。”
  • “这是架构图，包含前后端与向量库。”
  • “这是评估指标表。”

现场题答题框架​

  1. 画流程图
  2. 说明关键接口
  3. 说明异常处理
  4. 说明指标

面试官常见追问列表​

  1. 为什么不用微调？
  2. 如何做 RAG 评估？
  3. 如何做成本预算？
  4. 如何做 Prompt 回滚？
  5. 如何做错误码设计？
  6. 如何处理模型不可用？
  7. 如何做内容过滤？
  8. 如何保证稳定性？
  9. 如何做用户引导？
  10. 如何做 AB 测试？

答题检查清单​

  • 是否提到“指标”
  • 是否提到“兜底”
  • 是否提到“可观测”

模拟回答（模板）​

“我们先 ___，然后 ___，最后 ___，指标是 ___。”

技术回答示例（简版）​

  • SSE：单向流式，部署简单
  • RAG：检索 + 生成，减少幻觉
  • 成本：预算 + 缓存

面试结束 Checklist​

  • 是否强调前端优势
  • 是否展示项目成果
  • 是否给出指标

反问模板（更多）​

  • 团队目前最大的挑战？
  • 你们的 AI 应用主要面向谁？
  • 你们更关注哪些指标？

快速答题短句（可背）​

  • “我们用强约束 Prompt 降低幻觉。”
  • “我们用 RAG 保证可追溯。”
  • “我们用 traceId 做排障。”
  • “我们用 A/B 测试验证效果。”
  • “我们用 max_tokens 控制成本。”

补充话术（10 条）​

  1. “我先讲结论。”
  2. “这里我补一句背景。”
  3. “我用数据说明效果。”
  4. “我补充一个兜底方案。”
  5. “这是一个常见坑。”
  6. “这部分我做了简化。”
  7. “我先跑通再优化。”
  8. “这个指标提升了。”
  9. “这块我做了监控。”
  10. “这个方案可回滚。”

追问备用回答（简版）​

  • “我会加引用与校验。”
  • “我会加成本面板。”
  • “我会加监控告警。”
  • “我会加错误码。”
  • “我会加日志脱敏。”

结束后跟进​

  • 发送感谢信
  • 补充项目链接
  • 总结问题清单

进阶反问​

  • 你们如何评估模型效果？
  • 你们如何做成本预算？
  • 你们的 RAG 规模多大？

现场写代码注意点​

  • 先写伪代码
  • 再写核心逻辑
  • 最后补异常

复盘模板​

  • 亮点
  • 不足
  • 下一步

结束语（备用）​

  • “感谢这次交流。”
  • “期待后续沟通。”

补充话术（更多）​

  • “这个方案可扩展。”
  • “这个方案可回滚。”
  • “这个方案可量化。”
  • “这个方案可验证。”

最后补充​

  • 记得复盘

结束备注​

  • 保持自信

详细回答示例库（可直接套用）​

Q: 为什么选择 SSE 而不是 WebSocket？​

  • 结论：SSE 够用、实现成本低、部署简单
  • 细节：AI 场景主要是服务端单向推送
  • 风险：双向需求少，SSE 更稳

Q: 如何做流式中断？​

  • 前端：AbortController
  • 服务端：监听 req.on("close") 关闭上游
const controller = new AbortController();
fetch(url, { signal: controller.signal });
controller.abort();

Q: 如何做 RAG 评估？​

  • 用例集：20-50 条问题
  • 指标：TopK 命中率、引用准确率
  • 产物：评估表

Q: 如何控制成本？​

  • 方案：max_tokens + 历史摘要 + 缓存
  • 指标：单次成本、日均成本

Q: 如何保证输出格式？​

  • 方案：JSON schema 校验 + 重试
  • 指标：JSON 合格率

Q: 如何设计引用面板？​

  • 方案：编号 + 原文片段 + 跳转
  • 指标：点击率、停留时长

Q: 如何设计错误码？​

  • 方案：统一错误码 + 前端兜底
  • 指标：MTTR

Q: 如何设计成本面板？​

  • 字段：token_in/token_out、模型、费用
  • 展示：单次 + 日汇总

结构化回答脚手架（长答）​

  1. 问题本质：一句话定义问题
  2. 方案步骤：3-4 步
  3. 指标：1-2 个指标
  4. 风险：1 个风险点

完整面试脚本（逐段详解）​

1）自我介绍（60-90 秒）​

  • 核心句：前端背景 + AI 应用落地 + 结果指标
  • 细节：流式聊天 / RAG / 工具型应用
  • 指标：命中率、引用准确率、成本

2）项目一：流式聊天​

  • 问题：体验不连贯、可中断能力不足
  • 方案：SSE + AbortController + 节流渲染
  • 指标：TTFT、平均耗时

3）项目二：RAG 文档问答​

  • 问题：回答不可追溯
  • 方案：切分/检索/重排 + 引用面板
  • 指标：TopK 命中率、引用准确率

4）工程化与成本​

  • 方案：Prompt 版本化 + 评估集 + 成本面板
  • 指标：JSON 合格率、成本下降

5）现场小题（示例回答结构）​

  • 先画流程图
  • 再写关键接口
  • 再写异常处理
  • 最后给指标
目标 → 流程 → 风险 → 指标

6）反问（高质量）​

  • 你们目前 AI 应用的核心指标是什么？
  • 是否更关注体验还是成本？

深挖问题详细回答（示例）​

Q1: 为什么选择 SSE 而不是 WebSocket？​

  • 结论：AI 流式以单向推送为主，SSE 足够且成本低
  • 步骤：POST /chat → SSE 响应 → 前端解析
  • 风险：需要双向协作时再考虑 WebSocket

Q2: 如何做流式中断？​

  • 前端：AbortController
  • 服务端：监听 req.close 关闭上游
  • 指标：中断成功率
const controller = new AbortController();
fetch(url, { signal: controller.signal });
controller.abort();

Q3: 如何做 RAG 评估？​

  • 用例集：20-50 条问题
  • 指标：TopK 命中率、引用准确率
  • 产物：评估表 + 回归报告

Q4: 如何控制成本？​

  • 方案：max_tokens + 摘要 + 缓存
  • 指标：单次成本、日均成本

Q5: 如何保证输出格式？​

  • 方案：JSON schema 校验 + 重试
  • 指标：JSON 合格率
{ "code": "E_FORMAT", "message": "格式不合规" }

完整可运行代码（面试脚本清单）​

源码目录：docs/demos/portfolio-demo

node docs/demos/portfolio-demo/index.js