按我的简历整理：面试官最可能问什么、为什么问、怎么答，以及一段回答示范。重点准备两个 AI 项目：家庭 OSA 睡眠筛查和企业学习平台的智能音频课。
怎么用：每道题先自己口头答一遍，再展开「答题要点」对照。回答示范里 【黄色】 的地方要换成你自己的真实情况，没做过的就如实说没做过，不要硬套。答顺了就勾「已准备」，进度只保存在这台设备的浏览器里。
面试官拿到简历，通常会先看时间线和数字。下面这些地方大概率会被问到，提前把说法想好，面试时就不会卡住。
图 0-1 面试官眼里的你的时间线
| 地方 | 面试官可能怎么问 | 建议怎么准备 |
|---|---|---|
| 工作年限 | 「简历写工作 6 年，我算下来不到，个人优势又写 5 年+？」 | 两处写法不一致，建议投递前把简历改统一。按时间相加约 5.4 年（含在校期间那段），说「5 年多」最稳。 |
| 第一份工作 | 「2020 年你还在读书，这段是全职吗？」 | 如实说是实习、兼职还是全职，以及每周投入多少。说清楚就不扣分，含糊才扣分。 |
| 空档期 | 「2022 年初、2023 年 10 月、2025 年 9-11 月这几段在做什么？」 | 每段准备一句话：求职、学习、休整都可以，最好能带上做了什么（比如 2025 年下半年在学 AI，做了什么 demo）。 |
| 深德科 8 个月 | 「两个产品刚上线就走了，为什么？」 | 见 Q2。准备一个真实、不抱怨、指向下一份工作的理由。 |
| OSA 3 个月 | 「3 个月从 0 到 1，数据集、医生复核、端云推理、RAG 都做完了？」 | 提前分清楚：哪些已上线、哪些做了验证、哪些只是规划。被追问时主动说「这部分是规划，还没做」，比被问穿好得多。 |
| 驻场华为 | 「外包驻场，哪些是你决定的？」 | 准备一两件确实由你发起和推动的事（见 Q22）。 |
| 满意度 46.43% | 「样本多少人？」 | 46.43% 恰好等于 13÷28，面试官可能会算出来。记住真实样本量，主动承认样本小（见 Q21 和图 4-1）。 |
图 0-2 一场 60-75 分钟的面试大致怎么分配，复习时按这个比例分精力
这是简历里技术含量最高的项目，面试官会用它判断你和算法团队协作到了多深。先确认这几个词能用一句话讲清：
图 2-1 项目链路图：面试前自己能对着这张图讲 2 分钟
图 2-2 医院 PSG 和心率带能拿到的信号（Q5 的背景知识）
| 信号 | 医院 PSG | 心率带 | 和 AHI 的关系 |
|---|---|---|---|
| 口鼻气流 | 有 | 没有 | 判断呼吸暂停的直接依据 |
| 血氧 | 有 | 没有 | 判断低通气通常要看血氧下降 |
| 脑电 | 有 | 没有 | 判断觉醒、睡眠分期 |
| 胸腹呼吸起伏 | 有 | 间接 | 可以用加速度计或心电推算 |
| 心电 | 有 | 有 | 呼吸暂停时心率常出现周期性先慢后快 |
| 体位 | 有 | 有 | 加速度计，可做体位归因 |
| 鼾声 | 有 | 看方案 | 心率带一般没有麦克风，常见做法是手机录音 |
图 2-3 自己拖一拖：100 个目标用户里，AI 报阳性的人有多少真的有病？
AI 报阳性的人里，真正有病的占
AI 报阴性的人里，确实没病的占
图 2-4 RAG 的标准流程，以及每一步常见的出错点
图 2-5 成人 OSA 按 AHI 分级（Q13 里用户的 AHI = 18）
这个项目数字最亮眼（+23%、+18%、+31%），也最容易被追问数字是怎么算的。复习重点：推荐到底是规则还是模型、学分怎么防刷、每个数字的分母和对比对象。
图 3-1 「岗位画像冷启动 + 行为召回」通常的样子
图 3-2 学分怎么算、怎么防刷
计算
系数有上下限，运营后台可配。准备好回答：「绩效短板」的数据从哪来，员工知不知道（Q16）。
防刷校验（Q17）
图 3-3 「日均学习时长 +23%」会被拆开问的四件事
图 4-1 满意度 39% → 46.43%：样本量不同时，这个提升靠不靠得住
面试官不会考算法推导，但会确认你的 AI 知识撑得起简历上写的内容。好在你的三个模块正好对应三种技术选择，可以直接拿来举例。
图 5-1 Q24 的现成答案：你自己的三个模块
| 模块 | 用的技术 | 为什么合适 | 出错代价 |
|---|---|---|---|
| 自适应学分引擎 | 规则 | 逻辑要透明、运营要能改、HR 要能解释给员工听；数据量也不够训模型 | 低，可以人工修正 |
| OSA 呼吸事件检测 | 传统机器学习 / 深度学习模型 | 输入是连续生理信号，输出是固定类别和数值，有 PSG 标注数据可以训练和评估 | 高，漏报和误报都有健康风险 |
| RAG 健康助手 | 大模型 + 知识库 | 用户问题是开放的自然语言，要组织语言、结合个人报告解释 | 高，可能越界给诊断，必须有安全边界 |
图 5-2 Q28 练习：大模型调用成本估算
每月 token 量 ，每月费用约
现场题没有标准答案，面试官看的是思路。通用顺序：先问清楚目标和用户 → 收窄范围定 MVP → 讲方案 → 讲怎么评估 → 讲风险和下一步。下面三道题和你的项目直接相关，被问到的可能性不小，每道自己完整讲一遍，控制在 5-8 分钟。
准备 2-3 个问题，比如：团队现在的 AI 产品处在哪个阶段？产品经理和算法团队怎么分工？这个岗位前三个月最希望解决什么问题？问业务和团队的问题，比只问加班和福利更能体现你的投入。
| 题号 | 题目 | 面试官在看什么 |
|---|
右边一栏可以直接写你的答案，内容只保存在这台设备的浏览器里。
| 数字 | 要能回答 | 我的答案 |
|---|
按面试官常用的评估维度给自己打分，低于 3 分的维度优先补。