项目深挖：面试官会怎么一层层追问你的项目

大模型面试里最能分辨真假的环节,就是项目深挖。面试官不会随机提问,而是顺着一条几乎固定的追问链,从"你解决的是什么业务问题"一路问到评估、badcase 和上线成本,哪一环你只有话术、没有证据,他就在哪一环停下判你"水"。所以准备项目不是把讲法背顺,而是提前把这条链上的每一环都补一条"问题+方案+取舍+数字"。这一篇拆开 RAG 和 Agent 两条最常被追的链,逐环告诉你面试官想验证什么、你该怎么带着证据答。 作者:吴师兄 适合:项目主线能讲顺、但被往深追第二层就卡住的人 前置:手上有一个 RAG 或 Agent 项目(哪怕是照教程做的) 为什么项目深挖比八股更能筛掉人 结论先行:八股背了就能答,项目深挖背不出来,因为它问的是"你做的时候是怎么想的",没真做过的人到第二层必然露馅。 八股题的答案是公开的、收敛的,你刷够 题库 就能覆盖。项目深挖不是,它从你简历里那句"基于 RAG 搭建了智能问答系统"出发,顺着实现链条一层层往下戳:为什么用 RAG、chunk 怎么切、召回怎么测、答错了怎么修、上线花多少钱。这些问题没有标准答案,只有"你当时的真实决定"。面试官很清楚:能把一个决定的前因后果、试过的备选、量化的结果讲清楚的人,一定亲手做过;只会重复功能描述的人,大概率是抄的。所以深挖环节的本质是一次"真做过"的验伪,而验伪的方式就是顺链下探。 【RAG 项目追问链·核心】面试官会顺这条链一层层问 一句话:面试官从业务问题问起,顺着"文档→切分→检索→重排→溯源→评估→badcase→成本"往下走,每一环都在验证一件具体的事。下表逐环拆开,照这个顺序把自己的证据补齐,你就知道链会断在哪。 追问点 面试官想验证什么 你该怎么答(带证据) 站内哪里补 业务问题 你是不是为真问题做的,还是为做而做 说清给谁用、痛点是什么、为什么不用纯大模型或微调 为什么需要 RAG 文档处理 你有没有碰过真实脏数据 讲你的文档格式(PDF/表格/扫描件)、清洗和解析踩的坑 文档预处理与切分 chunk 策略 你的切分是拍脑袋还是有依据 切多大、按什么切、试过别的没有、对召回的影响 文档预处理与切分 检索召回 你懂不懂检索的取舍 向量/关键词/混合怎么选,召回率怎么测、多少条测试集 检索召回·混合检索 rerank 你的每个模块是不是都"知道为什么在" 选哪个 rerank 模型、不加会差多少、怎么量化的 重排序 引用溯源 你有没有考虑可信和幻觉 答案怎么带出处、怎么防"检索到了但答错" 引用与溯源 评估 你怎么证明"做得好"不是空话 评估集怎么建、指标怎么定、离线还是在线 评估体系 badcase 你能不能定位并修问题 举一个答错的例子,怎么发现、归因到哪一环、怎么修 评估体系 上线成本 你有没有工程和成本意识 每次问答的 token/延迟/钱,怎么压成本、并发扛得住吗 整体架构 关键在于:这九环是有先后的因果链,不是并列清单。业务问题立不住,后面全是空中楼阁;没有评估集,你说的"效果好"就是一句话;没有 badcase 和量化对比,你的 rerank、chunk 全成了"跟着教程"。面试官往下戳,戳到第一个"我没深究过"就停,前面讲得再顺也白搭。完整的 RAG 教程 10 章 正好覆盖这条链的每一环,建议边学边把每章的产出记成一份项目文档。 【Agent 项目追问链·核心】Agent 的链更长、更容易断在工程环节 结论先行:Agent 项目的追问链比 RAG 更长,因为它多了 loop、权限、失败恢复这些工程环节,而这些正是最容易只讲功能、答不出细节的地方。 追问点 面试官想验证什么 你该怎么答(带证据) 站内哪里补 任务定义 你解决的任务边界清不清 说清 Agent 要完成什么、输入输出、成功标准 为什么需要 Deep Research tool schema 你的工具设计是否规范 每个 tool 的入参出参怎么定义、描述怎么写让模型会调 工具设计 agent loop 你懂不懂 Agent 的核心循环 ReAct 还是别的、什么时候停、怎么防死循环 ReAct 与迭代式研究 memory 长任务里上下文怎么管 短期/长期记忆怎么存、上下文超长怎么压 记忆机制 权限 你有没有安全和边界意识 危险操作怎么卡、要不要人工确认、越权怎么防 工具设计 失败恢复 工具报错/模型跑偏怎么办 单步失败怎么重试、怎么回滚、怎么兜底 ReAct 与迭代式研究 trace 出问题你能不能定位 每一步怎么记日志、怎么回放一次完整轨迹 评估 eval 多步任务怎么评好坏 按步评还是按最终结果评、评估集怎么造 评估 成本 一次任务烧多少钱 多轮调用的 token/延迟累计、怎么减无效调用 服务与部署 Agent 链最容易断在中段:很多人能讲清"我接了几个工具让模型自己调",但一问"agent loop 里模型不停调工具怎么办""某个工具超时了你的系统会怎样",就答不上来了——因为 demo 跑通时这些异常没发生过。站内 Deep Research 教程 把这条链从工具、loop、memory 讲到 eval 和 serving,缺哪环补哪环。 "追问链"到底怎么用来准备项目 结论先行:把追问链当成一份自测清单,链上每一环都逼自己写出"我遇到的问题+我的方案+我放弃了什么+我的数字",写不出来的那环,就是你项目要补的地方。 面试官顺链下探的规律,反过来就是你准备项目的顺序。别再从"我这个项目有哪些功能"出发去准备,那是功能视角,面试官不买账。改成从"这条链上我每一环能拿出什么证据"出发:业务问题这环,我能说清为什么用 RAG 吗?chunk 这环,我有对比数据吗?成本这环,我算过一次问答多少钱吗?每一环都补一条含数字、含取舍的话,链就串起来了。数字不必漂亮,"召回率从 0.6 提到 0.72""换掉 rerank 后 badcase 多了三成"这种真实的量化,比任何形容词都有说服力——这些都算经验值,重点是你真量过。 读者分层:在校生补"为什么这么选",后端补"上线怎么扛" 不同背景的人,追问链上被戳得最狠的环不一样,准备的重心也该不同。 你的背景 项目通常长什么样 面试官重点追哪几环 你要重点补什么 研一/研二在校生 偏自建、从零搭,但没上过线 业务问题、chunk/检索/rerank 的选型依据、评估集 "为什么这么选"的取舍 + 量化的评估证据,别让选型都是"教程默认" 工作约 3 年 Java/后端 能接系统、但可能只讲功能 稳定性、失败恢复、成本、并发、上线 工程环节的深度,把后端老本行(稳定性/监控/成本)翻译成 Agent/RAG 的语言 在校生的优势是能讲清每个技术决定的来龙去脉,但容易在"上线成本""并发"这类工程题上空。后端工程师正相反,工程环节是你的主场,但如果面试时只顾着讲"我实现了什么功能",反而浪费了优势——面试官对一个 3 年后端的期待,恰恰是失败恢复、稳定性、成本这些环节答得比应届生深。别把自己讲成一个"会调 API 的应届生"。转行后端怎么把老本行翻译成大模型能力,可以配合看 从后端/Java 转大模型。 一个真实反例:主线很顺,第二层就穿了 结论先行:最典型的翻车不是不会讲,而是主线讲得太顺、一往深追就露馅,因为那是背下来的讲法,不是做出来的经验。 有个很常见的场面:候选人把 RAG 项目主线讲得行云流水——"我做了文档切分、混合检索、加了 rerank、带了引用溯源",听起来样样都有。面试官挑一个点往下追第二层:"你说加了 rerank,为什么选这个模型?不加它效果会差多少?你是怎么量化这个差距的?"——卡住了。因为 rerank 是照着教程加的,模型是默认的,加不加差多少从来没测过。这一卡,面试官心里立刻给整个项目打问号:主线既然是背的,那别的环节是不是也是背的? 看起来很努力、其实没用的做法就是:把项目讲法背得滚瓜烂熟,反复演练主线。这在第一层管用,但深挖环节专治这个——面试官要的从来不是流畅的主线,而是你在某一环真正踩过的坑。与其把讲法背得更顺,不如老老实实回项目里把 rerank 的对比数据补出来。 行动清单:把这条链逐环自测一遍 用 简历 AI 追问工具 把这条追问链模拟一遍。它会顺着你简历里的项目一层层往下问,哪一层你答不出来,就是你项目要补的那一环。 对照真实追问看两篇面经,感受深挖的密度:3 年后端转字节大模型 看工程环节怎么被追,字节 Agent/记忆/RAG 实习面 看 Agent 链怎么被拆。 如果自测发现项目证据不够撑,回去把项目做实:把 RAG 教程做成你自己的项目 或 从零做一个 Agent 项目,重点是留下每一环的取舍和数字。 针对性刷 项目与经历题库(31 题),这些题问的就是深挖环节的常见追问。 想按方向补八股,别和项目深挖混着练,交给 按方向刷大模型八股。 如果你想在真人面前把这条链跑一遍、当场被追穿再复盘,训练营 提供的模拟面试就是站在面试官视角顺链深挖,补的正是"自己看不出自己哪环虚"的盲区。 看几个真实反馈:二面卡住,通常不是基础差,是项目经不起追问 二面卡住的人,很多不是基础差,而是项目只能讲到第一层。下面几条反馈都做了脱敏,放在这里不是为了说"照做就能拿 offer",而是让你看见:项目复盘到底在补什么。 背景 卡点 复盘动作 反馈结果 可借鉴点 985 通信本硕 自学后多家大厂一面能过,但二面持续卡住 把项目落地化,补方案取舍、评估数据和追问稿 拿到大厂暑期实习机会 一面看广度,二面看项目真实性;越往后越需要证据 研二,双二本硕士 技术链路补过,但二面表达和项目细节不稳 针对百度二面问题复盘,逐项补 RAG/Agent 追问答案 通过百度多轮面试,并有中科院软件所实习选择 复盘要具体到问题,不能只说"下次多准备" 985 本硕,有 Dify 相关实习 有经历,但实质技术点不够能打 补 RAG、Agent、微调、上下文工程,把实习经历转成可追问项目 推进到字节相关机会反馈 有实习不等于稳,经历也要被改造成能深挖的证据链 判断自己是不是这个问题,很简单:把项目讲完后,连续问三次"为什么"和"怎么证明"。如果第二次就卡,说明你该回项目补证据,不是继续背更顺的开场白。 常见问题 面试官深挖项目一般会问到多深? 通常追到第二到第三层就见分晓。第一层是"你做了什么"，第二层是"为什么这么做、有没有备选"，第三层是"数字是多少、怎么量化的"。多数人第一层没问题，卡在第二层，能稳过第三层的就被判定"真做过"。 我照教程做的项目,能经得起深挖吗? 能,前提是你把教程里"替你做的决定"重新自己做一遍并留下证据。照抄的项目在追问链第二层("为什么这么选")就会断;但如果你围绕一个真实场景补齐了取舍和量化,照教程起步完全不影响,面试官看的是链的完整度不是原创度。 RAG 和 Agent 项目,面试官追问的重点有什么不同? RAG 追问集中在检索质量与评估:chunk、召回、rerank、溯源、评估集。Agent 追问更偏工程链路:agent loop、失败恢复、权限、trace、成本。Agent 链更长也更容易断在中段,准备时要多花力气在异常和恢复上。 项目里没有漂亮的数字,深挖时怎么办? 用真实的、哪怕不漂亮的数字,远胜于形容词。"召回率 0.72""badcase 占比一成"这种量化就够了,标清是自己测的经验值即可。面试官反感的是"效果很好"这种没有支撑的空话,不是数字不够高。 相关阅读 手把手把 RAG 教程做成你自己的项目 从零做一个能写进简历的 Agent 项目 大模型项目经历怎么写才有说服力 按方向刷大模型八股:该刷哪些模块 3 年后端转字节大模型的完整面经