这一篇只做一件事：让你在面试前 10~20 分钟把 AI 驱动开发 相关问题快速刷一遍。
一、先记住定位
AI 对 Android 高级工程师面试来说：
- 不是替代基础主线
- 是明显的加分项
- 对 AI 产品、工具平台、内容产品、聊天助手类岗位尤其重要
一句话：
"基础能力决定下限，AI 驱动开发决定你有没有下一代工程方式和产品落地意识。"
二、如果面试官问：你怎么用 AI 辅助开发？
最短答案：
"我主要把 AI 用在需求拆解、代码草稿、测试补充、文档整理和排错辅助上。但我不会直接信结果，线程、生命周期、性能、安全这些高风险点我一定会自己 review 和验证。"
三、AI 生成代码最大的风险
直接背这 4 个：
- API 或事实错误
- 不符合项目上下文
- 边界条件缺失
- 性能和安全隐患
最稳的一句：
"AI 代码最危险的地方，不是完全错，而是看起来差不多对。"
四、你怎么控制 AI 风险？
最短答案：
"关键不是禁用 AI，而是建立结果责任和验证机制。所有 AI 生成内容都必须经过 review、测试、运行验证和项目规范约束，尤其是并发、生命周期、缓存、权限和安全链路。"
五、Android 端接入大模型，怎么选架构？
先背三个词：
- 云侧推理
- 端侧推理
- 端云混合
最短答案：
"我不会先从模型讲起，而会先看产品目标和约束。如果追求能力上限，通常偏云侧；如果看重离线、隐私和低延迟，就要考虑端侧或混合架构。"
六、流式输出为什么是重点？
因为它不是单纯接口题，而是客户端工程题。
会带来这些问题：
- 高频刷新
- 文本测量压力
- 列表滚动抖动
- 状态同步复杂
- 中断和重试体验
一句话：
"流式输出不只是接口能力，更是客户端状态管理和性能控制问题。"
七、会话上下文怎么答？
最短答案：
"会话管理的重点不是把历史全带上，而是保留关键上下文并控制 token 成本。通常要保留系统指令、最近关键轮次，再对旧内容做摘要或裁剪。"
八、AI 功能的安全和隐私
最少背这 4 个：
- 敏感信息脱敏
- 日志边界控制
- 本地缓存策略
- Prompt 注入和工具调用风险
一句话：
"AI 功能不能把模型输出当可信命令直接执行，权限边界和结果校验必须在工程层兜住。"
九、面试里最加分的 5 句话
- "我把 AI 当成协作者，而不是自动正确的答案机。"
- "我最看重的不是 AI 会不会写代码，而是我能不能把它纳入一个可控的工程流程。"
- "真正区分水平的，不是让 AI 生成多少代码，而是 review 输出和控制风险的能力。"
- "我做 AI 功能设计时，会先看产品目标和约束，再看模型和架构。"
- "AI 时代更值钱的，不是样板代码产出速度，而是判断、取舍和落地能力。"
十、最后 1 分钟再看一遍
如果只剩最后 1 分钟，背这 4 句就够：
- "AI 是加分项，不是替代基础主线。"
- "我用 AI 提效，但不会把判断权交给 AI。"
- "AI 代码最危险的是看起来差不多对。"
- "AI 功能落地最难的是状态、性能、隐私和容错，不是把接口调通。"