面灵AI→

超星 Java 开发二面:简历追问二十多问,最后落到「校园网内做 AI 学情分析」的本地化部署

轮次
二面
时间
2026-11
来源
牛客网

《面试题目》

规划与稳定性

  1. 自我介绍。
  2. 我看你校成绩比较优异,学校有保研的机会吗?
  3. 你自己有继续考研,或者考公、考编的打算吗?
  4. 现在规划就是直接就业,是吗?
  5. 你对自己就业的规划是如何的?

实习一:CRM 与会员权益

  1. 雅诗兰黛这边,你们公司是乙方性质、接雅诗兰黛项目,是吗?
  2. 当时做这个 CRM 系统主要是哪一块?订单这一块吗?我看会涉及订单导入。
  3. 你提到负责数据集成和会员权益同步,当时这个项目是 0 到 1 的项目,还是已经有成熟项目、你负责优化?
  4. 在数据集成这一块,你当时主要负责了什么工作?
  5. 可以详细展开讲一下,这个功能是如何实现的吗?
  6. 这个积分计算方式是谁给你的?是运营这边,还是你自己设计的?
  7. 当时做这个项目的开发人员一共有几位?
  8. 这个团队规模非常大,大家具体分工是如何的?你大概知道分工逻辑吗?
  9. 你在这个实习过程中有遇到过什么困难吗?然后是如何解决的?

实习二与个人项目

  1. 你最近这段实习也是乙方性质的公司,专门负责医学方面平台的开发吗?
  2. 这两个项目中,哪一个你参与得更深入一些?
  3. 可以详细讲一下这个项目的情况吗?
  4. 这个业务偏医学方面,你之前应该也没有了解过。我想了解你是如何做业务理解的?
  5. 这个产品后续上线情况你有了解吗?比如整体数据成果情况。
  6. 「何小诗」这个产品是你自己完全独立开发的吗?当时为什么会想着做这样的项目?
  7. 你自己独立设计过程中,有没有遇到什么困难?或者说你整体的产品构思逻辑是什么?
  8. 比如有同学提出建议,在你迭代过程中,技术方面有没有遇到过什么难题?
  9. 排查出来之后,是如何解决这个问题的?

场景题

  1. 如果现在需要设计一个 AI 学情分析功能,学校要求 AI 学情分析不能脱离校园网进行,但公司目前做 AI 学习分析依赖云端大模型。基于这个矛盾点,你作为技术有什么解决方案?
  2. 如果要去做本地化部署,你的技术选型是什么?会选用什么样的内存容量?

《参考解析》

场景题的解题顺序:先拆约束,再给分层方案。这道题的约束只有两条——数据不出校园网、能力要能对标云端大模型。先确认口径:是「数据不能出网」还是「推理不能出网」,这决定了能不能做「本地脱敏、云端推理」的折中;如果学校要求连推理也在内网,那就只有本地化一条路。分层方案通常给三档:一是纯本地部署开源模型(内网 GPU 服务器 + 量化模型 + 本地向量库),能力弱于云端但完全合规;二是混合,敏感数据(学生姓名、成绩明细、行为日志)留在本地做特征聚合,只把脱敏后的统计特征送出网做分析;三是私有化交付,把整套服务(应用 + 模型 + 数据库)打成离线安装包部署进校园网,公司负责升级包分发。答题时要说清三档的代价:纯本地的效果上限、混合方案的合规边界(脱敏是否可逆)、私有化的运维成本。面试官要的不是标准答案,而是你能不能在约束里做取舍。

本地化部署的技术选型与容量估算。选型分四层:模型层按显存选开源权重,7B 级别 FP16 约 14 GB 显存、INT8 约 7 GB、INT4 约 4 GB,32B 级别则要 4 张 24 GB 卡或一张 80 GB 卡;推理引擎用 vLLM 或 TensorRT-LLM 做连续批处理与 PagedAttention,把并发吞吐拉起来;应用层沿用 Java 服务,通过 OpenAI 兼容接口调用本地推理服务,把超时、重试、限流做在网关;数据层用本地 PostgreSQL + pgvector 或 Milvus 存学情特征向量,模型权重与日志落在内网对象存储。容量估算要拆成显存与内存两块:显存 = 权重 + KV Cache(按并发数 × 上下文长度 × 层数 × 头数 × 2 估算),内存 = 应用堆 + 数据库缓冲 + 操作系统预留。给数字时说明假设:例如 200 并发、上下文 4K、7B INT8 模型,权重 7 GB、KV Cache 约 8~12 GB,单卡 24 GB 可以跑;若要 32B 或更长上下文,就必须多卡或降并发。最后补一句「先做 POC 压测再定采购」,比直接报一个数更专业。

跨行业业务理解怎么答。面试官问「医学业务你没接触过,怎么做业务理解」,考的是方法论而不是领域知识。可答的路径:先读行业规范与合规要求(医疗数据的分级、脱敏、留痕),再找业务方把「谁在什么场景下用什么功能、失败的代价是什么」问清楚,然后对着现有系统反推数据流与状态机,最后用一两个真实工单验证自己的理解。落到具体动作上说:画业务流程图、列名词表(同一概念在业务方和代码里的不同叫法)、把每个字段的来源与责任人标出来。

「积分计算方式是谁给你的」这类问题在考什么。它在分辨「需求是你实现的还是你设计的」。诚实回答最有价值:若规则由运营给出,就说清你怎么把规则翻译成可配置的参数、怎么处理边界(退款是否返积分、跨月是否清零、并发扣减怎么防重),以及当规则有歧义时你怎么确认;若是自己设计,就要给出设计依据与验证方式。把「实现」讲成「设计」在后续追问(为什么这么定、改过几次、数据表现如何)里必然露馅。

团队分工与规模怎么讲。说清三层:项目组多少人、按什么维度分(按业务模块、按前后端、按项目阶段)、你所在的小组负责哪几个模块、你和谁有接口依赖。能说出「我负责的三张表、五个接口、和上游谁对齐字段」这类细节,就足以证明你确实在项目里;只报人数与职位名称会被认为在背简历。

独立产品的构思逻辑要能复盘。「何小诗」这类个人项目,面试官关心的不是功能列表,而是:为什么做(发现了什么需求)、怎么定第一版范围(砍掉了什么)、技术选型的依据、遇到的具体难题与排查过程、有没有真实用户与数据反馈、如果重做会改什么。把「上线了」换成「有多少人用、留存如何、哪条路径的转化最差」会明显加分——这也是判断项目是真做过还是课程作业的最快方式。