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-Max），Prompt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：
PyPDF2+pdfplumber
PyPDF2：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:text=""forpageinpdf.pages:text+=page.extract_text()2.扫描型PDF（图片）
- 工具：
Tesseract OCR+OpenCV
- 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 Boot（Java）；
- AI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 JPA；
- MyBatis：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 --name"ubuntu-test"--register# 安装系统（挂载ISO）# SSH登录后sudoaptupdate&&sudoaptinstallopenjdk-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.x（Python版）。
主要应用场景：
- 构建RAG问答机器人：
- 用
DocumentLoader加载本地PDF；RecursiveCharacterTextSplitter切分文本；FAISS向量存储 +OpenAIEmbeddings；RetrievalQA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：
RAG（Retrieval-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-Purpose）
- OpenAI text-embedding-ada-002：商业API，效果好，成本高；
- Sentence-BERT（SBERT）：开源，适合句子级相似度，HuggingFace有预训练模型；
- BGE（BAAI 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-Specific）
- MedCPT：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（Multimodal）
- CLIP：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/JavaScript（ES6+）；
- Vue2/Vue3（Composition API）；
- Axios（HTTP请求）、Pinia（状态管理）。
UI框架：
- Element Plus（PC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：Pylance（Python）、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。
