AI 岗位预备 · 入门
同一句「你用过 AI 吗」，六家公司想听的不是一回事
先看谁在问，再想怎么答
「你会不会用 AI」已经从加分项变成不少研发岗的基础考察项。但同一句「你平时怎么用 AI 提效」，字节想听你自己的经历、腾讯想听边界与风险、百度要求分工程与算法两层、快手问的是为什么最后落成工作流、京东会深挖你的多 Agent 架构、Shopee 问 Agent 与传统工作流的区别。这份做法把约 850 条真实面试记录按公司摊开，先给你一张「谁在考什么」的地图 —— 让你在开口之前知道，对方真正想听的是哪一句。
追问现场 · 面试真题
面试真题“除了在大模型缺陷检测里用 AI 提效，你在平时学习或实习中是怎么用 AI 提升效率的？”
大多数人的第一反应：「AI 很强大，提效很多」——泛泛而谈，一个具体场景都给不出来——没做过，只是在背答案
面试官要的是一段有细节、可量化的经历，不是态度（核心词：场景 + 工具 + 量化对比），不是态度（核心词：场景 。
先说结论
先说结论：先认公司，再答内容。把六家摊成三层 —— 经历层（字节：要你真做过并说得出数字）· 判断题层（腾讯 / 快手 / Shopee：要你的取舍逻辑）· 结构层（百度 / 京东：要你能把方案分层讲出来）。
基础层 · 行业方案
字节跳动（代表题量第一）重真实使用经验 —— 从大模型基础认知问到日常提效实践都问，明显偏好有真实使用经历的候选人。修法：提前准备 1-2 个带细节的场景。
腾讯最爱追问边界 —— 不只问「会不会用」，还追 AI 使用的边界与风险（AI 能做什么、不能做什么），并有 Token 优化与系统架构一致性两条特色。修法：给边界判断，不给绝对结论。
百度要求分「工程 / 算法」两层作答 —— 如幻觉治理：工程侧 RAG 兜底与置信度校验，算法侧微调与对齐。修法：先自报框架再填内容。
快手追问设计哲学 —— 「为什么很多 Agent 最终以 Workflow 形式实现，而非完全自由规划」。修法：可控性 / 延迟 / 成本 / 幻觉风险四维度。
京东挖架构 —— 直接要你描述项目里的 Multi-Agent 三层架构（Router → Manager → Sub-Agent）以及为什么这么分层。修法：每层说清「为什么这么切」。
Shopee 问本质边界 —— Agent 与传统工作流的区别；另问「反思模块为什么用大模型而不是规则」。修法：给一条自己的判断准则。
执行层 · 我们的增量
⑦ 我们的增量：把「按公司对齐口径」变成一张可查的表。不要背六套答案 —— 记六个问题：是问经历、问边界、问分层、问取舍，还是问架构？答之前先用一句话确认对方的关注点（例如「您是想听我用过什么，还是想听我怎么判断这类事该不该交给 AI？」），这句话本身就是得分点。
事后补的防御（避免重演）
每次开口前先做一次归类：这句话在问经历 / 边界 / 分层 / 取舍 / 架构哪一类。归类对了，哪怕内容不够深，方向也是对的；归类错了，答得再细也答不到点上。。核心原则：**先认公司，再答内容**。
面试官想听什么
能说出 1-2 个自己的真实场景（工具名 · 解决什么问题 · 前后耗时）
对追问有边界判断：能说清这件事 AI 做哪一段、哪一段不能交
能分层作答：工程侧与算法侧分开、或架构分层与理由分开
给的数字是可解释的（如「写单测从 2 小时缩到半小时」），不是「效率提升 10 倍」
承认不知道的部分，并给出你会怎么查证
加分项：把「按公司对齐口径」这句话直接说出来（六家里有两家确实考这个，「你知道不同团队在意什么」本身就是差异化）——它证明你不止会用一个工具，还在观察组织怎么评价这件事。
可复制 · 救急段
面试官问「你平时怎么用 AI 提效」怎么办，别答「AI 很强大、提效很多」——先说一句「您更想听我用过什么，还是想我怎么判断该不该交给 AI？」，然后按公司口径给：字节给一个带数字的自己的场景 · 腾讯给边界 · 百度分工程与算法 · 快手给四维度取舍 · 京东说架构分层。加分项：把「按公司对齐口径」直接讲出来。