FDE 面试题库:分水岭问题与 CASE 框架
🎯 本节目标
Section titled “🎯 本节目标”学完这一节,你能:
- 拿下 FDE 面试的分水岭问题:答好这一题,甩开 80% 竞争者
- 用 CASE 框架答系统设计题:Clarify → Architect → Solve the Delta → Evaluate
- 区分三类题的答法:技术类、现场类、系统设计类,各自有套路
📖 经典分水岭问题
Section titled “📖 经典分水岭问题”FDE 面试有一类分水岭问题——答得好和答得差,直接决定你进不进。最经典的一题,来自 OpenAI / Anthropic 的真实面经:
“How do you know your AI system is actually working?”
(你怎么知道你的 AI 系统真的在用 / 真的有效?)
这题之所以是分水岭,因为普通候选人会聊技术,顶级候选人会聊评估。
❌ 普通答法(被刷)
Section titled “❌ 普通答法(被刷)”“我们用了 GPT-4,效果挺好的,用户反馈也不错。”
空话。没有指标、没有基线、没有回归。
✅ 顶级答法(拿 offer)
Section titled “✅ 顶级答法(拿 offer)”“我建了三层评估:
- 离线层:CI 里挂 200 条标注用例,准确率低于 85% 自动拦截发布(模块 5 的门禁)
- 在线层:全量请求采样 5% 做人工评审,跟踪准确率、幻觉率、拒答率三个指标
- 业务层:客户工单的解决率、响应均时、续约率——这才是最终判据 上线后我们用 A/B 测了 4 周,实验组响应均时从 8 分钟降到 2.3 分钟,客户续约率提了 18%。“
差别就在“评估”二字。FDE 不是把 AI 跑起来就完事,是要证明它真的在用、真的有效。这一题答出三层评估,你就甩开了 80% 只会聊技术的竞争者。
🛠️ 高频题库
Section titled “🛠️ 高频题库”按主题分。每题给出答题要点,不是完整答案——你得用自己的项目举例。
| 题 | 答题要点 |
|---|---|
| RAG 怎么治幻觉? | 三招:① chunk 切分 + 元数据过滤(模块 4)② 检索后 rerank ③ 答案带引用、让模型拒答“找不到” |
| Agent 和工作流怎么选? | 路径明确 → 工作流(确定性);要自主决策 → Agent。FDE 现场默认先用工作流,失控风险低 |
| 怎么做评估门禁? | CI 挂回归用例 + 阈值拦截 + 人工评审抽样。模块 5 的那套搬出来 |
| 怎么接客户的脏数据? | 先 profiling 再清洗,写 pipeline 而不是脚本。强调“客户数据永远比你想的脏” |
| 题 | 答题要点 |
|---|---|
| 客户说“我要 AI”,你怎么接? | 别接需求,先问业务:KPI 是什么?现有流程是什么?AI 解决哪一步?然后砍范围(MVP 优先) |
| Demo 翻车了怎么办? | 别慌别狡辩。当场承认 → 切到 plan B(录屏 / 手动演示)→ 复盘根因。FDE 的现场判断力就体现在这 |
| 范围怎么砍? | 用“做 / 不做 / 待定”三栏。砍掉一切非 MVP 的,把“待定”转成下一期。客户会尊重能说“不”的人 |
| 客户数据团队不配合怎么办? | 先共情(KPI 压力),再找小切口(给他做个省事的 demo),建立信任后再推大方案 |
| 题 | 答题要点 |
|---|---|
| 给一个客服场景,设计完整 FDE 方案 | 用下面的 CASE 框架答,这是这类题的标准套路 |
| 给一个销售场景,设计 AI 方案 | 同上,CASE 框架套 |
| 给一个内部知识库场景 | 同上 |
📖 CASE 框架
Section titled “📖 CASE 框架”系统设计题用 CASE 框架答,这是 pierpaolo28 总结的 FDE 专用套路,四个字母对应四步:
C — Clarify(问清约束)
Section titled “C — Clarify(问清约束)”先别画架构图。问清楚 5 件事:
- 业务 KPI:客户最在乎什么指标?(成本?响应时间?准确率?)
- 现有系统:已经有什么?要接什么?(老 API、老数据库)
- 数据:数据量多大?多脏?标注有没有?
- 用户:谁在用?多少并发?峰值多大?
- 红线:绝对不能出错的是什么?(合规?幻觉?)
A — Architect(设计架构)
Section titled “A — Architect(设计架构)”问清楚后,画架构。FDE 架构的经典五层:
- 接入层:接客户工单系统 / 数据库
- 数据层:清洗 + 向量库 + 缓存
- 模型层:RAG / Agent 编排
- 评估层:门禁 + 监控 + 回归
- 交付层:部署 + 客户对接
S — Solve the Delta(补产品缺口)
Section titled “S — Solve the Delta(补产品缺口)”这是 FDE 的核心(模块 0 的 Δ)。通用产品覆盖不了的部分,你来补:
- 客户的某个特殊工单类型产品不支持 → 你写个定制 pipeline
- 客户的老 API 协议太老 → 你写适配层
- 客户要的报表产品没有 → 你补一个
讲清楚“产品出厂能力 vs 客户真实需求”之间的那个 Δ,你怎么填的。
E — Evaluate(怎么证明不幻觉)
Section titled “E — Evaluate(怎么证明不幻觉)”最后回到分水岭问题:你怎么知道它有效。把上面“经典分水岭问题”里的三层评估搬出来(离线 / 在线 / 业务)。
记住:没有评估的 FDE 方案 = 没交付。CASE 框架的 E 是决胜步。
⚠️ 常见翻车
Section titled “⚠️ 常见翻车”| 翻车 | 原因 | 改法 |
|---|---|---|
| 只讲技术不讲客户 | 把 FDE 面试当算法面 | 每个技术答案都要带“客户场景” |
| 评估题答不出 | 没准备“怎么证明有效” | 死记三层评估(离线/在线/业务) |
| 没有量化思维 | 全是“挺好”“不错” | 每个方案带数字(准确率/延迟/续约率) |
| 系统设计直接画图 | 没问清约束就动手 | 先 Clarify, CASE 第一步不能跳 |
| Demo 翻车硬狡辩 | 怕丢面子反而失信任 | 当场承认 + 切 plan B + 复盘 |
| 把 Agent 当万能锤 | 什么都想用 Agent | 路径明确用工作流,Agent 是最后选择 |
1. 面试官问"你怎么知道你的 AI 系统真的在用",你怎么答?
用三层评估:① 离线层(CI 回归 + 阈值拦截)② 在线层(采样人工评审,跟踪准确率/幻觉率/拒答率)③ 业务层(KPI:解决率、响应均时、续约率)。最后带 A/B 实验的量化结果。详见本节“经典分水岭问题”。
2. CASE 框架四个字母分别是什么?为什么 E 最重要?
Clarify(问清约束)→ Architect(设计架构)→ Solve the Delta(补产品缺口)→ Evaluate(证明有效)。E 最重要,因为“没有评估的 FDE 方案 = 没交付”。FDE 的核心价值不是把 AI 跑起来,是证明它真的有效。
3. 客户说"我要 AI 优化客服",你的第一反应是什么?
别接需求,先问业务:KPI 是什么?现有流程?AI 解决哪一步?数据在哪?红线是什么?问清楚再砍范围做 MVP。直接画架构图是新人最大的坑——客户说的“我要 AI”往往不是真需求。
📚 延伸阅读
Section titled “📚 延伸阅读”- pierpaolo28 — FDE CASE 框架(CASE 四步原文)
- alexeygrigorev/ai-engineering-field-guide — FDE 面试题(题源 + 评分标准)
- a16z FDE Fellowship 面经(真实候选人复盘)