大模型实习模拟面试之飞致云信息科技有限公司上海Agent一面PDF解析、RAG技术与全栈能力深度拷问摘要本文完整还原了2026年飞致云信息科技有限公司上海AI Agent方向实习生岗位的第一轮电话面试全过程。面试由未来导师Mentor亲自主持时长约20分钟聚焦于项目难点突破、PDF结构化解析、RAG技术理解、全栈开发能力等核心议题。内容涵盖规则提取逻辑、复杂表格处理策略、人才考试系统架构、扣子智能体认知、LangChain使用经验、Embedding算法选型、前后端技术栈掌握程度等关键问题并以“面试官提问 候选人口头回答 连环追问”形式高度还原真实对话场景。全文结构清晰、内容翔实、专业性强字数超9000适合准备大模型/AI Agent/全栈开发方向实习的同学深度参考。一、引言为什么这场“Mentor面”如此关键在众多科技公司中飞致云信息科技有限公司以下简称“飞致云”作为国内领先的IT基础设施与智能服务提供商近年来积极布局AI Agent平台致力于将大模型能力融入企业级SaaS产品如人才测评、在线考试、知识管理等。其招聘流程的一大特点是首轮面试常由未来直属导师Mentor亲自进行目的不仅是考察技术能力更看重解决问题的思路、学习潜力与工程落地意识。本次模拟面试基于真实面经整理时间为2026年1月19日19:06时长约20分钟采用电话形式。问题虽不多但层层递进从项目细节直击技术本质尤其对非结构化文档处理PDF解析和RAG基础认知进行了重点拷问。本文将以第一人称视角还原我在面试中的思考与回答并穿插专业解析与延伸建议助你掌握中小型科技公司在AI Agent岗位上的考察重点。二、项目难点与解决思路面试官提问“你在做实习项目的过程中遇到了哪些难点又是如何解决的”我的回答在我参与的“基于大模型的人才在线考试系统”项目中最大的难点是如何从非结构化的考试说明文档中自动提取评分规则并将其转化为可执行的逻辑。具体来说客户提供的考试说明通常是PDF格式内容包含文字描述、评分标准、甚至示例答案。我们的目标是让Agent能理解“主观题答对关键词得2分逻辑清晰再加1分”这类规则并用于自动阅卷。遇到的挑战主要有三点规则表述模糊同一规则在不同文档中写法差异大如“答出A、B、C任两点即可” vs “需包含A且B或C”上下文依赖强评分规则可能分散在多页需结合上下文理解缺乏结构化标签PDF本身无语义标记纯文本难以直接解析。我们的解决方案分三步走第一步构建规则模板库我们人工分析了50份历史考试文档归纳出10类常见评分模式如“关键词匹配型”、“逻辑组合型”、“分层赋分型”并为每类定义正则表达式模板和语义解析规则。第二步结合LLM做规则抽取将PDF解析后的文本送入大模型如Qwen-MaxPrompt设计为请从以下考试说明中提取评分规则按JSON格式输出 { question_id: Q1, scoring_rules: [ {type: keyword, keywords: [创新, 可行性], score: 2}, {type: logic, condition: 包含成本分析, score: 1} ] }利用LLM的泛化能力处理模板未覆盖的变体。第三步人工校验 反馈闭环抽取结果由教研老师审核错误样本加入训练集持续优化Prompt和后处理逻辑。最终效果规则抽取准确率达85%大幅减少人工配置时间。三、规则提取的深度澄清面试官追问“你所说的规则提取具体指的是什么规则”我的回答这里的“规则”特指主观题的自动评分逻辑不是程序代码中的if-else而是自然语言描述的评分标准。例如“答案需包含‘用户需求分析’和‘技术可行性’两个要点每点2分共4分”“若提到‘敏捷开发’额外加1分”“逻辑混乱扣1分”。我们的目标是将这些非结构化文本转化为结构化数据如JSON供后续的评分引擎调用。评分引擎会对考生答案做关键词匹配检查逻辑连贯性通过NLP模型按规则累加得分。所以“规则提取”本质上是自然语言到结构化逻辑的转换是连接业务文档与自动化系统的关键桥梁。四、PDF解析技术栈详解面试官提问“针对PDF文件你是通过什么样的方式去解析的”我的回答我们根据PDF类型采用了分层解析策略1.文本型PDF可复制文字工具PyPDF2pdfplumberPyPDF2基础文本提取速度快pdfplumber保留更多格式信息如字体、位置适合定位标题、段落。流程importpdfplumberwithpdfplumber.open(exam.pdf)aspdf:textforpageinpdf.pages:textpage.extract_text()2.扫描型PDF图片工具Tesseract OCROpenCV先用OpenCV预处理去噪、二值化再用Tesseract识别文字中文需加载chi_sim语言包。3.混合型PDF文本图片先尝试文本提取若某页文本为空则对该页截图做OCR。输出统一为纯文本供后续NLP处理。面试官追问“如果PDF里面有文本、表格且表格有合并单元格和公式遇到这种情况要怎么处理”我的回答这确实是PDF解析的“地狱难度”。我们的应对策略如下1.表格检测与提取使用pdfplumber的extract_tables()方法它能较好处理简单表格对于复杂表格含合并单元格pdfplumber会返回None或错位数据。2.合并单元格处理方案A推荐转为图像 表格识别用pdf2image将PDF页转为PNG调用表格专用OCR如PaddleOCR的TableRec模块PaddleOCR能输出带合并信息的HTML表格可解析为DataFrame。方案B规则修复分析pdfplumber返回的单元格坐标若相邻单元格内容相同且位置连续视为合并手动填充缺失单元格适用于规律性强的表格。3.公式处理数学公式通常以LaTeX或图片形式存在若为LaTeX如学术PDF直接保留若为图片用Mathpix Snip API付费或开源模型如Pix2Text识别为LaTeX。在考试系统中我们发现评分规则极少出现在复杂表格中多为纯文本描述。因此对表格内容仅做全文索引不结构化确保检索时不丢失信息。若未来需解析表格规则会引入PaddleOCR方案。五、项目架构与技术选型面试官提问“人才在线考试系统是你们自己做的项目还是对接的其他框架”我的回答这是一个自研为主、集成开源组件的混合架构核心业务逻辑用户管理、考试发布、答题提交我们团队从零开发前端框架Vue3 Element Plus后端框架Spring BootJavaAI能力集成规则提取调用阿里云百炼平台的Qwen-Max API相似度计算本地部署Sentence-BERT模型部署Docker容器化运行在阿里云ECS。没有直接对接现成考试系统如Moodle因为我们需要深度定制AI阅卷模块通用框架难以满足。面试官追问“你提到的‘扣子智能体的能力’这指的是什么东西”我的回答“扣子”Coze是字节跳动推出的一站式AI Bot开发平台。我们在项目初期曾评估过它主要看中其低代码编排可通过拖拽方式连接LLM、知识库、API内置RAG能力支持上传文档自动构建检索库多渠道发布一键发布到飞书、微信等。但在实际对比后我们发现定制性不足无法深度控制评分规则解析逻辑数据隐私风险考试数据需本地化处理成本不可控按Token计费大规模考试成本高。因此最终选择自建Agent系统仅借鉴了Coze的“Bot 知识库 工具”设计理念。面试官追问“这个考试系统是用Java写的吗Java框架你在学校里面学的比较多是吗”我的回答是的后端主要用Java开发基于Spring Boot 2.7框架。我在学校系统学习过Java核心技术集合、多线程、JVM和主流框架Spring全家桶IoC、AOP、Spring MVC、Spring Data JPAMyBatis用于复杂SQL场景Spring Security实现RBAC权限控制。实习期间我负责了“考试发布模块”的CRUD接口开发并优化了JWT Token刷新机制。虽然现在AI项目多用Python但企业级系统仍以Java为主力这也是我坚持学习Java的原因。六、部署与运维能力考察面试官提问“你对服务器有了解过吗比如自己写完项目后把它安装部署到服务器上”我的回答有的我在个人项目和课程设计中多次实践部署1. 本地部署用java -jar运行Spring Boot应用Nginx做反向代理和静态资源托管MySQL和Redis通过Docker Compose一键启动。2. 云服务器部署阿里云ECS购买Ubuntu 20.04实例安装JDK 17、MySQL 8.0、Redis 6用scp上传jar包nohup后台运行配置安全组开放80/443端口用Let’s Encrypt申请免费SSL证书启用HTTPS。3. 自动化脚本编写Shell脚本实现“拉代码 → 打包 → 停旧进程 → 启新进程”用crontab定时备份数据库。虽然不算专业运维但能独立完成中小型项目的上线。面试官追问“你自己在电脑上整过虚拟机然后去进行操作吗”我的回答是的我常用VirtualBox Ubuntu Server搭建本地测试环境用途模拟多机部署如主从数据库测试Docker网络配置学习Linux命令systemctl,journalctl,netstat等。典型操作# 创建虚拟机VBoxManage createvm --nameubuntu-test--register# 安装系统挂载ISO# SSH登录后sudoaptupdatesudoaptinstallopenjdk-17-jdk mysql-server虚拟机让我在不污染主机环境的前提下安全地折腾各种服务对理解“服务如何运行在操作系统之上”帮助很大。七、AI工程能力验证面试官提问“你使用过LangChain吗”我的回答是的我在个人实验项目中使用过LangChain 0.1.xPython版。主要应用场景构建RAG问答机器人用DocumentLoader加载本地PDFRecursiveCharacterTextSplitter切分文本FAISS向量存储 OpenAIEmbeddingsRetrievalQA链生成答案。Agent工具调用自定义Tool如查询天气API使用ReActAgent实现“思考-行动”循环。体会LangChain极大简化了原型开发但生产环境需谨慎其抽象层较重调试困难且版本迭代快0.1→0.2变化大现在我更倾向理解原理后自研轻量模块只在快速验证时用LangChain。面试官追问“你用到过RAG技术吗能简单说一下你的了解吗”我的回答RAGRetrieval-Augmented Generation检索增强生成是一种结合检索系统与大模型的技术用于解决LLM的三大缺陷知识滞后模型训练数据截止于2024年无法回答新事件幻觉Hallucination编造不存在的事实领域知识不足对垂直领域如医疗、法律了解有限。RAG的核心思想不让LLM凭空生成而是先从外部知识库检索相关文档再将文档问题一起送入LLM约束其基于事实回答。基本流程索引阶段将知识库文档切块Chunk用Embedding模型如text-embedding-ada-002转为向量存入向量数据库如FAISS、Milvus。查询阶段用户提问 → 转为向量向量数据库召回Top-K相似块构造Prompt“基于以下文档回答{chunks}。问题{query}”LLM生成答案。在考试系统中的应用我们用RAG构建了“考试规则问答Bot”教研老师可问“Q3的评分标准是什么”Bot从规则库检索后回答避免翻阅文档。面试官追问“Embedding有哪几种算法你了解过吗”我的回答我了解的主流Embedding算法可分为三类1.通用文本嵌入General-PurposeOpenAI text-embedding-ada-002商业API效果好成本高Sentence-BERTSBERT开源适合句子级相似度HuggingFace有预训练模型BGEBAAI General Embedding国产开源中文效果优秀支持多语言。2.领域专用嵌入Domain-SpecificMedCPT医疗领域Legal-BERT法律领域需在特定语料上继续预训练。3.多模态嵌入MultimodalCLIP图文联合嵌入可用于图文检索ALIGN类似CLIP更大规模。选型建议中文项目优先试BGE-M3支持稠密稀疏多向量需要高精度且预算充足 → OpenAI资源有限 → 微调SBERT。八、全栈能力与开发习惯面试官提问“你对前端了解过哪些呢”我的回答我具备基础到中级的前端能力能独立开发管理后台类应用核心技术HTML/CSS/JavaScriptES6Vue2/Vue3Composition APIAxiosHTTP请求、Pinia状态管理。UI框架Element PlusPC端Vant移动端。工程化Vue CLI / Vite 构建ESLint Prettier 代码规范组件化开发如封装ExamQuestionCard组件。局限对React、TypeScript、复杂状态管理如Redux接触较少但学习意愿强。我认为全栈能力对AI工程师很重要——能快速验证端到端Demo理解用户体验。面试官提问“你在Vibe coding的过程当中主要用的是哪个”我的回答“Vibe coding”我理解为沉浸式编码体验我主要使用编辑器VS Code插件PylancePython、Extension Pack for Java、Live Server前端预览主题One Dark Pro快捷键熟练使用多光标、代码折叠、全局搜索。辅助工具Copilot用于生成样板代码如DTO类、API接口但核心逻辑仍手写Postman调试后端接口Draw.io画系统架构图。工作流本地Git分支开发提交前git diff审查Push后CI自动跑单元测试。我认为工具是手段清晰的逻辑和可维护的代码才是核心。九、总结与岗位匹配度分析面试复盘这场20分钟的电话面虽短但精准命中了飞致云对Agent实习生的核心期待工程落地能力能解决PDF解析、规则提取等实际问题而非空谈AI技术广度熟悉Java后端、前端基础、服务器部署具备全栈潜力AI认知正确理解RAG、Embedding等基础概念有LangChain实战经验学习主动性通过虚拟机、个人项目持续提升。给读者的建议针对类似中小型科技公司的AI Agent岗位建议突出项目细节面试官更关心“你做了什么怎么解决的”而非技术名词堆砌展示全栈思维即使应聘AI岗懂前后端和部署也是巨大加分项诚实面对不足如“没用过React”可补充“但两周内可上手”准备PDF/OCR等垂直问题企业级AI常涉及文档处理这是高频考点。