- 测试工程师【留用实习】：一面
这个一面来得很突然，没有笔试直接前期评估后就给到了第一次的面试邀约，第一次面试，感觉什么都没准备好，前一晚还紧张得有些反胃，一打开面试界面直接头脑一片空白，根本不记得要说些什么，感觉话都是没有逻辑地在往外输出。面试官很温柔，不过应该是看到我没什么希望的样子，也就没问深的问题，开头自我介绍加一些项目描述后后（左边还有简历信息，不过不好照着读）。
面试官：我听你介绍的这两个项目感觉都是课程上的项目，有没有什么实习的项目？
回答：对，都是课程中的团队项目，目前还没有实习，这也是我第一次面试。
面试官：AI相关内容有学过什么吗？
回答：这学期我们开始系统了解了一些内容，包括一些基础概念和RAG、OneAPI部署本地模型、智能体等相关的内容。
面试官：那能说说你都用AI做过些什么吗？
回答：我们主要通过编写配置大模型，编写提示词，采用LECL链式调用和RAG等进行一些简单的天气查询和天气预测相关的内容。
面试官：你能说说链式调用是怎么个调用呢？
回答：就是将大模型配置、提示词模板、还有一些工具函数，串联起来，给出需求后，让它们自行处理逻辑，前一个的输出作为后一个的输入，还可以实现自主纠错。
面试官：你能说说对RAG的理解吗？
回答：RAG就是对我们需求的增强生成。。。一遍遍地去生成。。。（回答得有些糟糕）
面试官：嗯...RAG不是一遍遍去生成
回答：嗯嗯
之后给我出了一道算法题：（*）的配对问题，*可以为（或），也可以为空字符串，满足（）配对且（必须在）前面则为有效字符串，输出True.【15min】
尝试通过简单的数量匹配，但不知道如何匹配顺序问题。
面试官：那你简单讲解一下代码的思路吧
回答：好的，。。。。但前提是如果第一个字符为）直接判定为无效，之后通过数量匹配，但"（必须在）之前"还不知道该怎么判断。
面试官：那你有什么思路吗？
回答：暂时没有什么思路。
面试官：好的，那我这边差不多就是这样，你有什么问题想问吗？（可能是实在没有希望，早些下班了）
回答：嗯，我想问如果我有幸可以入职，在之前的这段时间需要准备些什么吗？
面试官：学习一些AI相关的技术吧
回答：那是测试上的AI技术呢，还是像前边的RAG等应用？
面试官：看行业发展需要哪个方向吧
回答：好的，谢谢您
面试官：那我们这次面试就这样
回答：好的，谢谢您
音视频测开一面完整复盘总结
一、面试基础信息
面试岗位：【留用实习】测试开发工程师（音视频质量中心）一面 面试时间：7.3 15:00 面试形式：线上面试（无笔试，直接技术面） 自身情况：首次正式面试，无企业实习，仅两套课程项目，楼梯间临时面试环境，全程高度紧张，大脑空白，表达逻辑混乱 面试官风格：温和，未刻意刁难，提问难度偏低，但因知识短板、临场状态快速结束面试
二、本次面试暴露四大核心问题
（一）临场心态与表达问题（最直观扣分）
- 首次面试过度紧张，打开摄像头后大脑空白，回答无逻辑、断断续续，无法完整、流畅输出项目与技术内容；
- 自我介绍被动，没有主动抛出JMeter 性能压测、Docker 容器搭建两大核心优势，面试官没有深挖我的擅长项目，全程只问 AI、算法陌生板块；
- 遇到不会 / 不熟的知识点只会简单附和 "嗯嗯"，不会主动铺垫自身学习思路，没有展现自学能力； 4 不会主动引导话题，全程被动跟着面试官陌生提问走，完全发挥不出项目优势。
（二）AI 大模型相关知识理解浅薄、概念混淆（重大失分点）
- RAG 核心原理理解完全错误，误以为是重复生成文本，核心检索增强逻辑说不出； 2 LangChain 链式调用只能简单描述串联，无法讲清执行流程、应用价值； 3 仅有简易天气 Demo 实践，但无法完整梳理落地流程，实操经验描述单薄。
（三）基础算法储备不足，无解题思路
通配符括号匹配是校招测开入门简单算法，我仅想到单纯计数法，完全不清楚栈、贪心双指针标准解法，全程无法给出有效解题思路，直接冷场。
（四）回答话术缺乏加分意识
- 被问到无实习经历，只直白承认，没有补充项目经验弥补短板； 2 结尾反问问题过于平淡，没有结合岗位（音视频 / 容器 / 自动化）提问，无法体现求职匹配度； 3 面对知识盲区只会被动沉默，没有标准兜底话术展现学习意愿。
三、面试全部问题：标准满分修正回答
1. 面试官：你的项目都是课程项目，有没有校外实习？
原回答：对，都是课程中的团队项目，目前还没有实习，这也是我第一次面试。 优化完整回答： 目前我暂时没有企业实习经历，今天也是我的第一场正式面试。虽然只有在校课程项目，但我完整独立负责过二手电商全流程测试，还独立搭建整套 Docker 隔离测试环境，具备功能、性能、环境测试完整实操能力；课余我也自主学习 RAG、本地大模型相关知识，愿意快速补齐企业岗位所需全部技能。
2. 面试官：AI 相关内容有学习过吗？
原回答：这学期我们开始系统了解了一些内容，包括一些基础概念和 RAG、OneAPI 部署本地模型、智能体等相关的内容。 优化完整回答： 课余我自主自学本地大模型相关技术，使用 Ollama 部署开源模型，通过 OneAPI 做多模型统一接口管理，同时学习 RAG 检索增强、LangChain 链式调用、简易智能体相关知识，也做过天气查询小型 Demo 落地实践。
3. 面试官：你用 AI 做过哪些实践？
原回答：我们主要通过编写配置大模型，编写提示词，采用 LECL 链式调用和 RAG 等进行一些简单的天气查询和天气预测相关内容。 优化完整回答： 我搭建了本地大模型实验环境，自定义提示词模板，结合 RAG 向量知识库、LangChain 链式组件实现简易天气查询 Demo。整体流程：先检索天气知识库获取真实气象数据，再把检索上下文 + 用户提问传入大模型，最后格式化输出预测结果，整套链路依靠链式调用自动流转，不用分步手动操作。
4. 面试官：讲讲什么是 LangChain 链式调用？
原回答：就是将大模型配置、提示词模板、还有一些工具函数，串联起来，前一个的输出作为后一个的输入，还可以实现自主纠错。 优化标准答案： LangChain 链式调用是把提示词、向量检索工具、LLM 推理、结果格式化多个独立组件串联成一条自动化执行链路。上一步的输出直接作为下一步的入参，比如「知识库检索→大模型推理→结果校验」自动流转；同时可以增加校验逻辑，对模型错误输出自动重新修正，减少人工干预。
5. 面试官：说说你对 RAG 的理解（本次最大失分点）
原回答：RAG 就是对我们需求的增强生成，一遍遍地去生成。 优化标准背诵答案： R 全称检索增强生成，核心作用解决原生大模型两大缺陷：一是模型训练数据滞后，无法获取最新信息；二是不能读取企业私有业务资料，容易产生虚假幻觉。完整流程分为两步：
- 检索阶段：将私有文档向量化存入向量数据库，用户提问时，先检索和问题高度匹配的真实参考资料；
- 生成阶段：把检索到的真实上下文和用户问题一起送入大模型，模型依托真实素材生成回答，无需反复多次生成，大幅降低幻觉问题。
6. 算法题：通配符 * 括号匹配（* 可代表空、(、)，判断字符串是否合法）
我的原始思路：只统计左右括号数量，无法处理顺序、可变逻辑，无完整方案。 标准解题思路（面试口述版）： 单纯计数无法解决多取值的问题，最优解法采用贪心双指针：
- 定义两个变量 min_open、max_open，分别记录当前最少、最多未匹配左括号；
- 遍历每一个字符： 遇到
(：min_open++、max_open++ 遇到)：min_open--、max_open-- 遇到*：min_open-（当作右括号），max_open+（当作左括号）- 每轮循环如果 max_open<0，直接判定无效，无论 * 怎么替换都无法匹配； 4 min_open 不能小于 0，最小值固定为 0； 5 遍历完成后，若 min_open 等于 0，说明存在合法替换方案，字符串有效。
7. 面试官收尾：你有什么想问我的？
原回答：如果有幸入职，我需要提前学习 AI 测试还是 RAG 应用？ 优化加分提问（贴合音视频测开岗位）：
- 咱们音视频质量中心日常会结合大模型做自动化测试吗？
- 团队的测试环境是否采用 Docker 容器化部署，实习生是否会参与环境维护、性能压测相关工作？
四、分模块改进方案（短期立刻落地，应对下一场面试）
（一）心态 & 表达改进（立刻见效）
- 自我介绍重写，开篇直接抛出两大项目核心优势：物易云 JMeter 并发性能测试、Docker 容器测试环境搭建，主动引导面试官问擅长内容，避免被动被 AI、算法牵制； 2 提前模拟线上问答，对着镜头完整口述项目，训练流畅度，缓解镜头空白紧张； 3 遇到不熟知识点统一兜底话术：这块我目前学习还不够深入，我可以先说现有理解，面试后会针对性补齐相关内容。
（二）AI 大模型知识补强（本次核心短板，1 天吃透）
1 背诵 RAG、LangChain、OneAPI 标准定义、落地流程、解决的业务问题； 2 梳理天气 Demo 完整执行步骤，能分步骤口述，杜绝概念混淆； 3 补充拓展：RAG 系统如何设计测试用例（功能、幻觉准确性、性能），贴合测开岗位提问方向。
（三）算法基础补强（校招必考）
短期重点练习：字符串、括号匹配、双指针、栈四类简单算法，不用写复杂工程代码，但必须能口头完整讲清解题思路，每天练 2-3 道基础题。
（四）项目内容强化，规避被动提问
1 熟练背诵两个项目精简关键词框架，紧张时依靠关键词快速梳理逻辑； 2 提前准备项目优势、收获，无实习的弥补话术，弱化实习短板； 3 所有技术点区分 "熟练（Docker/JMeter/MySQL）""了解（AI 大模型）"，介绍时侧重熟练内容。
（五面试话术优化
1 杜绝单字附和 "嗯、对对"，每段回答有完整逻辑； 2 反问问题优先贴合岗位：容器环境、直播性能、AI 自动化测试，体现求职匹配度； 3 全程展现踏实、自学能力强的应届生形象，遇到知识短板主动表明后续学习计划。
五、总结本次面试收获
1 摸清快手测开一面固定三大提问方向：在校项目、AI 大模型基础、简单字符串算法； 2 清晰定位自身短板：AI 知识浅薄、基础算法薄弱、临场紧张表达卡顿； 3 拿到真实面试实战经验，知道无实习、课程项目的应届生该如何扬长避短，下一场针对性补强后，发挥会大幅提升； 4 明确岗位考察侧重点：通用测开能力 + AI 基础 + 基础算法，后续复习有清晰目标，不再盲目备考。