AI 产品经理面经
按实际面试轮次整理的问题清单
校招1 个轮次14 道题
面试轮次
14 道未分组
- 企业知识库采用RAG架构后，如果出现“模型回答流畅，但是答案错误”的情况，你如何判断问题来自文档解析、Embedding、召回、Rerank还是大模型生成？
- 在知识库建设过程中，为什么文档切片(Chunk) 策略会影响 RAG 效果？如果让你设计一个企业文档Chunk策略，你会考虑哪些因素？
- 假设一个知识库系统中有100万份企业文档，用户查询时经常无法找到准确答案，你会如何优化检索链路？
- 如果一个RAG系统召回准确率只有60%，但是大模型生成能力很强，你认为优先优化哪个环节？为什么？
- 假设知识库中存在大量重复、过期、冲突文档，AI回复经常引用错误信息，你会如何从产品和技术两个角度解决？
- 如果企业知识库每天都会新增大量文档，你认为知识库应该如何实现自动更新？如何保证新增内容不会降低原有回答质量？
- 一个 AI 问答产品离线评测准确率达到 90%，但是线上用户满意度只有60%，你认为可能有哪些技术原因？如何建立完整评测体系？
- 如果让你设计一个 AI Agent 产品，让 Agent能够理解用户需求、调用知识库、执行任务，你认为Agent的核心技术模块有哪些？
- AI Agent 和传统 Chatbot 最大技术区别是什么？为什么Agent能够完成复杂任务，而普通问答机器人通常只能回答问题？
- 如果一个 Agent经常出现任务规划错误，比如用户要求“整理会议纪要并发送邮件”，但是Agent只完成总结，没有执行发送，你认为应该如何优化？
- 在企业 AI产品中，为什么通常需要RAG+Agent，而不是直接让大模型完成所有任务？
- 假设百度知识库产品支持AI自动生成报告，你认为应该如何设计 Prompt、上下文管理和知识调用机制，保证生成内容准确？
- 如果大模型回答存在幻觉问题，除了增加知识库，你认为还有哪些技术方案可以降低幻觉？
- 假设负责建设一个AI文档编辑器，里面包含智能总结、自动续写、格式优化、多语言翻译等能力，你如何设计AI能力组件化架构，提高能力复用效率？
本页由用户经历或公开材料匿名整理，仅供求职准备参考，不代表相关公司的官方题库或招聘承诺。如内容涉及个人信息、保密材料或权利争议，请联系网站备案主体申请更正或删除。