AI & 后端复习手册

Appearance

第三十五部分：面试实战、HR 沟通、薪资谈判与反向面试全指南 ​

第 1 章：定位与自我介绍实战 (HR 版 vs 技术负责人版) ​

1.1 核心定位物理铁律 ​

在投递 AI Application 工程师 / AI Agent 工程师 / 高级后端架构师 岗位时，切忌将自己包装成“想转行学 AI 的小白”或“大模型底层算法训练工程师”。

你的核心竞争壁垒与定位是：

“拥有 10+ 年高并发后端工程经验，在稳固的分布式底座能力之上，扩展了 Modern AI 应用工程化 (LLM, RAG, Agent, LangGraph, MCP, AI Gateway) 的全栈能力。”

Agent 最终不是孤立的 Prompt 玩具，它本质上是一个需要高度稳定性、并发锁、状态机、消息队列、数据库、缓存与熔断降级的复杂后端系统！

1.2 自我介绍 30 秒 HR 版 ​

text
“HR 您好！我是一名拥有 10+ 年经验的高级后端开发与架构工程师，长期主导 PHP/ThinkPHP/Go、MySQL、Redis、消息队列 MQ 及微服务系统的高并发与稳定性建设。

最近几年的技术方向上，我重点将后端工程底座与 AI 大模型应用工程化进行了深度融合。不仅掌握分布式系统调优，还具备 LLM 接入、RAG 混合检索、Agent 状态机 (LangGraph)、MCP 协议与 AI Gateway 网关架构的落地能力。

我这次希望寻找的是一个能够将‘后端扎实工程能力’与‘AI 应用 / Agent 工程化’完美结合的团队，在支撑业务稳定增长的同时，把 AI 方向做得更加深入。”

1.3 自我介绍 2 分钟技术负责人版 ​

text
“面试官您好！我是 [姓名]，拥有 10+ 年互联网后端架构与高并发工程经验。

在传统后端领域：我深入掌握 MySQL 索引与 2PC/锁调优、Redis 高并发缓存架构、MQ 零丢失与幂等防重组件，以及 Nginx/Linux 故障诊断，曾主导过百万级 QPS 秒杀系统与 8500 万大表不停服平滑迁移。

在 AI 应用工程化领域：我并没有将自己定位为底层的算法训练者，而是立足于‘后端工程 + AI 应用落地方向’。我主导设计并落地过【企业级 AI Agent 自动化工程平台】，打通了从 LLM 动态路由 (AI Gateway)、RAG (BM25 + Vector 混合检索 + Cross-Encoder Rerank)、Agent 状态持久化 (LangGraph + ReAct) 到 MCP 协议安全工具调用的全链路。同时，在生产环境成功解决过‘Agent 死循环 Token 暴涨 8 倍’、‘RAG 召回断裂’及‘Redis 击穿打爆 DB’等线上硬核故障。

我希望加入贵团队，把已有的高并发分布式工程经验带到 AI Agent 与应用建设中，共同推进 AI 业务在生产环境的高可用落地。”

第 2 章：离职原因与敏感追问高情商应对 ​

2.1 经典追问：你为什么考虑离职？ ​

❌ 错误回答 ​

“现在公司不做 AI，我觉得老技术没意思，我想转行做 AI。” (暴露了自己离开当前公司就无法获取 AI 经验，且显得眼高手低)

✅ 推荐回答 (从职业规划与能力结合切入) ​

text
“我这次考虑换工作，主要希望在下一个职业阶段，将自己过去积累的后端高并发架构能力与 AI 应用工程化进行更深度的融合。

在现在的公司，我已经完成了核心业务系统与基础架构的稳固建设。同时在过去一段时间里，我也在项目中逐步把大模型 API、RAG 检索和 Agent 自动化引入到了业务流中。

但我希望下一阶段能进入一个‘把 AI 应用或 AI Agent 作为核心业务/技术方向’的团队，在更大规模的生产流量与更复杂的 AI 业务场景下，把 AI 工程化做深做透。”

2.2 HR 追问：你现在公司不是也可以做 AI 吗？ ​

✅ 推荐回答 ​

text
“是的，在目前的公司我也在积极推进 AI 的落地。但我发现，目前团队对 AI 的使用更多停留在‘单点业务功能辅助’阶段。

而我更希望参与的是‘从 AI 网关、模型路由、RAG 知识库、Agent 工作流到工具链 MCP，以及生产环境可观测与成本控制’的完整体系化工程建设。

所以这次并不是‘抛弃后端去转行’，而是‘带着 10 年后端经验，进入更具备 AI 工程深度与发展前景的平台’。”

2.3 HR 追问：你为什么觉得自己适合做 AI Agent 工程师？ ​

✅ 推荐回答 (抛出 Agent 物理拓扑图降维打击) ​

text
“因为我认为：Agent 最终是一个高度复杂的后端工程系统，而绝对不仅仅是写几句 Prompt。

一个真正能跑在生产环境的 Agent，其背后需要：
1. API 网关与 Token 计费熔断；
2. LangGraph / ReAct 状态机管理；
3. Tool 调用的安全隔离与 Timeout 拦截；
4. 消息队列 MQ 进行长任务削峰与重调度；
5. Redis 缓存与 MySQL 状态持久化；
6. 线上 Trace 可观测性与死循环检测。

【Agent 生产拓扑图】:
 LLM ➔ AI Gateway ➔ Agent Worker (State) ➔ Tool ➔ MQ ➔ Redis ➔ MySQL ➔ ES

我的后端工程积累刚好全面覆盖了这些基础设施。Agent 本身不是孤立的 AI 功能，它最终还是一个需要极其稳定运行的后端系统，这正是我的核心优势。”

第 3 章：反向面试 —— 深度考查技术负责人与团队 ​

在面试结尾，技术负责人问：“你有什么想问我的吗？” 切忌回答“我没什么想问的”！这是展现你深度架构思考的反向考查绝佳时机。

3.1 考查 AI 业务方向与成熟度 ​

  1. “公司目前 AI 主要是作为已有业务的增强功能，还是已经形成了独立的 AI 产品线？”
  2. “目前 AI 业务是处于 PoC 验证阶段，还是已经进入到了规模化生产部署阶段？”
  3. “AI 在整个公司业务中的定位是什么？是内部降本增效，还是已经直接对外产生收入？”

💡 判断标准：如果处于 PoC 阶段且未形成独立产品，说明 AI 容易变成“玩票性质”，随时可能被砍预算；如果已经产生收入或规模化生产，说明团队具备真实的业务土壤。

3.2 考查 AI 技术栈与架构深度 ​

  1. “目前公司 LLM 主要接入哪些模型？是以单模型为主，还是已经实现了多模型 Gateway 路由与 Fallback 降级？”
  2. “RAG 知识库目前使用的是纯向量检索，还是‘BM25 关键字 + 向量’的 Hybrid 混合检索加 Cross-Encoder Rerank？”
  3. “Agent 框架是基于 LangGraph、LangChain、Dify，还是团队完全自研的状态机与 Workflow 引擎？”
  4. “线上针对 Agent 的 Tool 调用，有没有引入 MCP (Model Context Protocol) 协议标准与安全审计？”

💡 判断标准：如果对方能清晰答出 Hybrid 检索、Model Fallback 和 LangGraph，说明技术负责人非常懂行，技术氛围优良；如果对方连 Reranker 或 Gateway 都没听过，说明团队极度初级。

3.3 考查 AI 工程化与线上监控 (LLM Observability) ​

  1. “公司目前有没有比较完善的 LLM 可观测性系统（如 LangFuse / OpenTelemetry）？能监控到单次请求的 Token 消耗、Latency 延时和 Tool 轨迹吗？”
  2. “如果某个 LLM 提供商突然发生 5xx 崩溃或响应延迟超过 15 秒，系统是怎么做全局 Request Deadline 与动态降级熔断的？”

3.4 考查 AI Coding 规范与团队落地 ​

  1. “团队目前主要使用哪款 AI 编程工具（如 Claude Code / Cursor / Codex / Gemini CLI）？”
  2. “团队有没有建立自己的 AI Coding 项目规范（如 CLAUDE.md、项目 Rules 或单元测试自动化校验）？”
  3. “AI 自动生成的代码，团队的 Review、单元测试与主干 Merge 流程是怎样的？”

💡 警惕点：如果对方回答“AI 生成完未经测试直接上线”，说明工程质量管控极差；如果回答“有完善的 Plan ➔ Code ➔ Test ➔ Review ➔ Merge 流程”，说明团队工程素养极高。

3.5 考查团队人员结构与岗位风险 ​

  1. “目前团队的人员结构是怎样的？后端、前端、AI/算法与测试的比例大概是多少？”
  2. “我申请的这个岗位是业务扩建新增 HC，还是替代之前离职人员的 HC？”
  3. “如果是替补 HC，方便了解一下之前员工离职的核心原因吗？” (极其关键！可套出加班严重、KPI 苛刻或团队内斗信息)
  4. “如果我有幸加入，前 3 个月最需要我解决的核心问题是什么？半年后的 KPI 预期是什么？”

第 4 章：HR 沟通、薪资谈判与反向考查福利 Checklist ​

在 HR 面试与 Offer 沟通阶段，必须保持专业、自信，并逐项核对福利待遇。

4.1 提问节点禁忌指南 ​

  • ❌ 严禁在第一轮技术面刚开始时 问“几点下班”、“加班多不多”、“公积金交多少”。这会让技术官认为你缺乏技术热情。
  • ✅ 技术面阶段优先问：业务方向、AI 技术栈、团队规模、前 3 个月工作职责。
  • ✅ HR 阶段集中问：薪资结构、年终奖、社保公积金基数与比例、试用期折扣、加班调休制度。

4.2 薪资结构与年终奖谈判话术 ​

text
“HR 您好，关于薪资部分，我目前整体的年包大约在 [X] 万。
结合我 10 年的分布式后端架构经验以及目前在大模型应用、RAG 和 Agent 方面的落地能力，我期望的整体薪资涨幅在 20%~30% 左右。

我想具体了解一下贵公司的薪资构成：
1. 基础月薪 (Base) 与绩效薪资的比例是多少？
2. 年终奖通常是固定 [N] 个月，还是完全根据公司和个人的绩效浮动？过往实际发放情况如何？”

4.3 福利待遇全量自查 Checklist ​

在口头同意或签署 Offer 之前，必须逐一确认以下 22 项福利细节：

text
[ ] 1. 基础月薪 (Base) 与 发放日期
[ ] 2. 绩效工资占比与考核标准 (月度 / 季度)
[ ] 3. 年终奖月数与过往平均发放系数
[ ] 4. 股票 / 期权 (授予数量、行权价格、归属期 Vesting 4年期)
[ ] 5. 社保缴纳基数 (是否全额按实际月薪缴纳)
[ ] 6. 公积金缴纳基数 (是否全额缴纳)
[ ] 7. 公积金缴纳比例 (5% ~ 12%)
[ ] 8. 试用期时长 (3个月 / 6个月)
[ ] 9. 试用期薪资 (是否 100% 不打折)
[ ] 10. 年假天数 (法定年假 + 公司福利年假)
[ ] 11. 带薪病假天数 (每月 / 每年)
[ ] 12. 工作时间 (弹性上下班 / 考勤打卡)
[ ] 13. 加班情况与加班补贴 (平时 / 周末 / 节假日)
[ ] 14. 加班调休规则与有效期
[ ] 15. 餐补 / 交通补贴 / 通讯补贴
[ ] 16. 补充商业医疗保险 (是否包含子女)
[ ] 17. 年度体检标准
[ ] 18. 节日礼金 / 生日福利
[ ] 19. 晋升窗口与调薪周期 (一年 1 次还是 2 次)
[ ] 20. 电脑设备配置与补贴 (MacBook Pro / 自备电脑补贴)
[ ] 21. 培训与 AI 工具订阅报销 (如 Open API / Claude Pro 报销)
[ ] 22. 离职竞业限制协议 (是否有竞业条款及补偿金比例)

🔍 本章 6 重自审计报告 ​

  1. 【知识审计】：反向面试与 HR 实战全量构建完成！覆盖自我介绍 (HR版/技术版)、离职原因高情商回答、为什么适合 Agent 物理拓扑图、技术负责人反向面试 15 问、HR 薪资谈判与 22 项福利 Checklist！

Released under the MIT License.

Copyright © 2026 AI应用 + Agent + 高级后端工程师面试实战复习手册