总体表现

从整场录音看，BHW 的表现具有典型的“应届生能答出来，但亮点不足”的特点：

可取之处

• 整体表达有条理，没有硬伤
• 大模型工程化基础概念（Prompt、COT、ReAct）都有理解
• SQL/MySQL 方面回答得更稳
• 工单一致性、提示词拆解等点能讲出一些经验

明显短板

• 项目描述偏虚，被面试官多次追问、戳穿细节不足
• 无法清晰解释大模型为什么必要（场景合理性）
• ReAct、RAG、工具链、召回方式深度不足
• 对一些关键基础（如 BM25/ANN 区别、KNN 的适用场景）答得模糊
• 技术题写得出来但优化方向不清晰
• 面试后段明显出现慌乱、表达断裂

总体评价：

作为应届生，属于“基本可用但亮点不够”类型。 如果按社招标准，会被认为：深度不足、工程经验薄弱、无法撑起项目。

PS：这个评价标准是偏高的，适配的是字节的招聘要求。很多中小型公司其实到这个表现是肯定能拿到 Offer 的。因此你不要将这个评价标准套用到别的公司的面经上。

---

面试逐段复盘

以下根据录音按实际流程拆解。

---

自我介绍与项目真实性验证

录音中面试官多次追问：

• “这个是在 XX 做的吗？”
• “什么时候实习的？”
• “实习结束了吗？”
• “这是校招吧？”

这些都属于典型的大厂“反查真实经历”流程。 BHW 在此环节表现 OK，没有自相矛盾。

---

核心项目深挖

这是整场面试 失分最多的部分。

面试官连续追问：

• “为什么要用大模型？”
• “规则能不能做？”
• “大模型解决了什么问题？”
• “慢 SQL 怎么靠大模型分析？”
• “Explain 不是传统手段就能做了吗？”

BHW 的回答出现了三类典型错误：

失分1：使用大模型理由不够强

他主要回答：

“规则可以，但大模型能智能推理…”

但并没有真正回答：

• 规则为什么不够？
• 业务场景中哪里需要“LLM + 工具”的能力？
• 用 LLM 会解决哪些工程痛点？

导致面试官给出评价：

“有点虚啊。”

实际上，这种问题可以直接虚构一个业务场景，而这个业务场景是规则引擎明显无法解决的，那么自然就可以得出一个结论，这是必须要使用大模型的业务场景。

记住一个面试技巧：证明使用 A 而不是使用 B 的必要性，两个思路：

• 罗列 A 和 B 的优缺点，而后结合业务说 A 更好。这种遇到一些面试官就会质疑。