AI工程师面试急救版：28天打卡表
目标：针对你上次面试暴露的问题，把“不会讲/讲不深”的内容补成“能实现、能演示、能讲原理、能回答追问”。
适配方向：AI Agent 应用工程师 / 企业AI应用实施顾问 / AI解决方案顾问 / 制造业AI数字化岗位。
生成时间：2026-06-04 22:53 ｜ 文件：/Users/hejunkai/Documents/AI工程师/ai_engineer_28day_interview_emergency.html
0. 使用方法
每天只解决一个问题不要再刷大而全课程。每天只围绕一个高频面试问题学习、实操、复述。
必须有产出每天至少产出一个文件：代码、接口截图、流程图、Skill设计文档、RAG测试集或面试回答稿。
按项目讲技术回答时不要只背概念，要绑定你的真实项目：悟空技能、销帮帮连接、RAG、FastAPI、制造业Agent。
每日节奏：20分钟看精准视频 → 25分钟完成实操 → 10分钟写面试回答 → 5分钟大声复述。视频只看指定位置，不要从头刷。
1. 28天总览
| 天数 | 当天主题 | 对应面试问题 | 验收标准 |
|---|
| Day 1 | Python 在 AI 工程项目里到底做什么？ | 你平时 Python 在 AI 这一块会用到哪些？ | 能用 2 分钟讲清 Python 在你简历项目里的 4 个用途，并能展示一个 Python 函数。 |
| Day 2 | JSON 为什么是接口联调和 Agent 工具调用的核心？ | 你连接三方应用时，数据是怎么传的？ | 能现场解释一个订单 JSON 里每个字段的业务含义。 |
| Day 3 | FastAPI 怎么写一个给 Agent 调用的接口？ | 你用 FastAPI 做过什么？为什么选 FastAPI？ | Swagger 中至少能展示 3 个接口，并能解释每个接口给哪个 Agent 场景使用。 |
| Day 4 | GET / POST / Path / Query / Body 怎么区分？ | 接口设计时 GET 和 POST 怎么选？ | 能用自己的制造业订单接口举例讲清三类参数。 |
| Day 5 | Pydantic 是什么？为什么面试官会问？ | 你的接口入参怎么校验？字段类型怎么保证？ | 能解释 Pydantic 和接口契约之间的关系。 |
| Day 6 | Swagger 怎么用于面试演示和接口联调？ | 你怎么证明你的接口能被调用？ | 能打开 /docs 演示一次完整接口调用。 |
| Day 7 | 第1周项目复盘：把 FastAPI 讲成一个简历项目 | 你这个 FastAPI + SQLite 本地业务接口模拟项目具体做了什么？ | 能不看稿讲 3 分钟，并能回答 3 个追问。 |
| Day 8 | OpenAPI 是什么？为什么它是三方连接的说明书？ | 你用悟空连接三方应用，具体怎么连接？ | 能拿任意接口文档指出 5 个核心部分。 |
| Day 9 | 悟空连接销帮帮的完整流程怎么讲？ | 你用悟空连接销帮帮是怎么连接的，原理是什么？ | 能用流程图讲清楚，不只说“通过接口连接”。 |
| Day 10 | API Key / Token / 签名到底区别是什么？ | 三方接口鉴权你了解哪些方式？ | 能讲清 API Key、Token、签名三者差异。 |
| Day 11 | Webhook 是什么？和主动查询有什么区别？ | 群消息触发智能客服、审批变更通知，本质是什么机制？ | 能解释 Webhook、轮询、事件触发三者关系。 |
| Day 12 | 字段映射为什么是企业系统联调的关键？ | 你对接 CRM/ERP 时字段怎么处理？ | 能展示一张字段映射表并讲清楚。 |
| Day 13 | 接口错误怎么排查？401/403/404/500 分别意味着什么？ | 三方接口联调失败你怎么定位？ | 能给出一套联调排查流程，而不是只说“看报错”。 |
| Day 14 | 第2周复盘：把“销帮帮连接”讲成完整项目经验 | 你在简历里写三方系统接口联调，具体成果是什么？ | 能完整回答“具体怎么连接，原理是什么”。 |
| Day 15 | RAG 是什么？为什么企业知识库需要 RAG？ | 你做的企业级 RAG 知识库问答项目原理是什么？ | 能用一句话和一张流程图讲清 RAG。 |
| Day 16 | Embedding 是什么？向量检索为什么能按语义找资料？ | 向量数据库里面存的是什么？ | 能解释向量库不是直接存“大模型答案”。 |
| Day 17 | 文档切分 Chunking 为什么影响 RAG 效果？ | 你的知识库问答效果不好，你会怎么优化？ | 能说出 RAG 优化不等于只换模型。 |
| Day 18 | Chroma / 向量数据库在你的项目里怎么用？ | 你用 Chroma 做了什么？ | 能讲清向量库的输入、存储、查询和返回。 |
| Day 19 | Prompt 怎么约束 RAG 不胡说？ | 财税/投标知识库怎么避免模型编造？ | 能写出一段可直接用于 RAG 的系统提示词。 |
| Day 20 | RAG 怎么评测？不能只凭感觉说效果好 | 你怎么证明知识库问答效果可以？ | 能拿出一张 RAG 测试集表格。 |
| Day 21 | 第3周复盘：把 RAG 项目讲成完整经验 | 你的企业级 RAG 知识库项目具体怎么做的？ | 能完整讲出 RAG 项目流程和优化点。 |
| Day 22 | Agent 和 Workflow 到底有什么区别？ | 你说的 Agent 是真正 Agent，还是普通工作流？ | 能用悟空智能客服和制造业多系统 Agent 举例区别。 |
| Day 23 | Tool Calling / Function Calling 原理是什么？ | 大模型怎么调用外部工具？模型会真的执行函数吗？ | 能画出 用户问题→模型选择工具→程序执行→返回模型→最终回答 的流程。 |
| Day 24 | Skill 是怎么写的？里面到底有什么？ | 有没有自己写过 skill，里面有什么，是怎么写的？ | 能完整回答“skill里面有什么，怎么写”。 |
| Day 25 | 悟空技能项目怎么讲得像真实落地，而不是玩具？ | 你的财务经营自动化助手、智能客服、工单助手有什么业务价值？ | 能把至少 3 个技能从“工具名”讲成“业务方案”。 |
| Day 26 | OpenClaw 和 Hermes 的区别怎么讲？ | 你用的 OpenClaw 和 Hermes 具体区别是什么？ | 能诚实说明探索深度，不把试用说成生产落地。 |
| Day 27 | 制造业多系统 Agent 项目怎么讲？ | 你这个制造业 AI Agent 项目如果真实落地，架构是什么？ | 能从业务、系统、数据、Agent、交付五层讲架构。 |
| Day 28 | 28天总复盘：形成你的面试主线 | 请你完整介绍一个你最有代表性的 AI 项目。 | 能 5 分钟完整讲项目，且能回答 Skill、API、RAG、Agent 四类追问。 |
2. 本打卡表使用的视频资源池
RAG短系列文档切分 / Chroma / Embedding 3. 每日打卡详情
第1周：Python + FastAPI + JSON + Swagger
Day 1｜Python 在 AI 工程项目里到底做什么？
面试急救当天必须产出
面试官可能这样问：你平时 Python 在 AI 这一块会用到哪些？
必须掌握原理：Python 在你的 AI 项目中主要不是训练模型，而是做接口服务、JSON处理、数据清洗、RAG文档处理、API调用、自动化脚本、工具函数封装。
当天实操任务：写一个 risk_utils.py：输入订单 JSON，输出订单风险等级、原因和建议动作。
你可以这样回答：
我在 AI 项目里用 Python 主要做四类事情：第一是 FastAPI 接口服务，把 ERP、MES、CRM 等业务数据封装成 API；第二是处理 JSON、Excel、PDF 等数据，把业务数据转换成 Agent 能理解的结构；第三是做 RAG 知识库的数据处理，比如文档切分、Embedding、向量检索；第四是写 Agent 工具函数，例如查询订单、查询库存、生成经营日报。我的定位不是纯算法训练，而是 AI 应用工程和企业业务系统连接。
面试官追问准备：追问：你常用哪些库？你怎么处理 JSON？Python 脚本和服务化 API 有什么区别？
当天验收标准：能用 2 分钟讲清 Python 在你简历项目里的 4 个用途，并能展示一个 Python 函数。
第1周：Python + FastAPI + JSON + Swagger
Day 2｜JSON 为什么是接口联调和 Agent 工具调用的核心？
面试急救当天必须产出
面试官可能这样问：你连接三方应用时，数据是怎么传的？
必须掌握原理：企业系统、DEAP工作流、OpenAPI、Tool Calling 大量都依赖 JSON。JSON 是自然语言和业务系统之间的结构化桥梁。
当天实操任务：设计客户、销售订单、库存、工单四个 JSON 示例，并写字段说明。
你可以这样回答：
在三方应用连接里，数据通常通过 HTTP 请求传输，请求体和响应体一般是 JSON。比如悟空或 DEAP 调销帮帮接口时，会把客户ID、表单ID、字段编码、查询条件等组装成 JSON 或参数，请求接口后拿到 JSON 返回结果。之后工作流再把 JSON 交给大模型进行摘要、分类或建议生成。JSON 的好处是字段清晰、可验证、方便和 API 文档对应，也便于 Agent 做工具调用。
面试官追问准备：追问：如果 JSON 字段缺失怎么办？嵌套 JSON 怎么解析？JSON 和字典有什么区别？
当天验收标准：能现场解释一个订单 JSON 里每个字段的业务含义。
第1周：Python + FastAPI + JSON + Swagger
Day 3｜FastAPI 怎么写一个给 Agent 调用的接口？
面试急救当天必须产出
面试官可能这样问：你用 FastAPI 做过什么？为什么选 FastAPI？
精准视频定位：FastAPI 完整速通课程精准定位：09:46 Hello World API；17:00 路径参数；20:15 查询参数；25:00 POST接口；35:05 Pydantic。
不要全刷，只看上面指定分P/时间戳/关键词。
必须掌握原理：FastAPI 用于把业务能力封装成 HTTP API，Agent/DEAP/悟空可以通过接口调用企业系统数据。
当天实操任务：实现 /health、/orders/{order_id}、/analyze/order-risk 三个接口，并打开 /docs 截图。
你可以这样回答：
我用 FastAPI 主要做企业业务接口模拟和 Agent 工具接口。比如制造业 Agent 项目里，我用 FastAPI 模拟 ERP、MES、WMS 等系统接口，订单、库存、工单数据通过 API 返回 JSON。这样悟空/DEAP 或 Agent 就可以通过 HTTP 调用业务系统，而不是只做普通聊天。选择 FastAPI 是因为它开发快、自动生成 Swagger 文档、Pydantic 入参校验清晰，适合快速做 AI 应用原型和接口联调。
面试官追问准备：追问：FastAPI 和 Flask 区别？/docs 是什么？Pydantic 有什么用？
当天验收标准：Swagger 中至少能展示 3 个接口，并能解释每个接口给哪个 Agent 场景使用。
第1周：Python + FastAPI + JSON + Swagger
Day 4｜GET / POST / Path / Query / Body 怎么区分？
面试急救当天必须产出
面试官可能这样问：接口设计时 GET 和 POST 怎么选？
必须掌握原理：GET 多用于查询，POST 多用于提交复杂数据或触发分析。Path 用于资源定位，Query 用于筛选，Body 用于复杂结构化输入。
当天实操任务：给订单查询接口增加 status、customer_id、date_range 三个查询参数；给风险分析接口设计 POST 请求体。
你可以这样回答：
我一般按业务语义选择接口方法。查询订单、查询库存这种只读操作适合 GET；订单风险分析、经营日报生成这类需要提交复杂 JSON 的场景适合 POST。Path 参数通常用于定位某个资源，比如 /orders/{order_id}；Query 参数用于筛选条件，比如 status=overdue；Body 适合放复杂结构，比如订单列表、库存列表、分析配置。这样接口语义更清楚，也方便 Swagger 联调。
面试官追问准备：追问：PUT/DELETE 用在哪里？POST 一定是写入吗？查询接口为什么不都用 POST？
当天验收标准：能用自己的制造业订单接口举例讲清三类参数。
第1周：Python + FastAPI + JSON + Swagger
Day 5｜Pydantic 是什么？为什么面试官会问？
面试急救当天必须产出
面试官可能这样问：你的接口入参怎么校验？字段类型怎么保证？
必须掌握原理：Pydantic 是 FastAPI 的数据模型和校验层，可以规定字段类型、必填项、默认值和响应结构。
当天实操任务：为 SalesOrder、Inventory、WorkOrder 写 Pydantic Model，并测试缺字段、类型错误。
你可以这样回答：
Pydantic 在我的项目里主要用来做接口入参和响应结构校验。比如订单风险分析接口要求传入 order_id、customer_id、delivery_date、amount、status 等字段，如果字段缺失或类型错误，FastAPI 会自动返回校验错误。这样可以让 DEAP 或三方系统调用接口时更稳定，也能减少字段混乱。对 AI Agent 来说，Pydantic 也相当于规定了工具输入的数据契约。
面试官追问准备：追问：Pydantic Model 和 ORM Model 区别？响应模型有什么用？
当天验收标准：能解释 Pydantic 和接口契约之间的关系。
第1周：Python + FastAPI + JSON + Swagger
Day 6｜Swagger 怎么用于面试演示和接口联调？
面试急救当天必须产出
面试官可能这样问：你怎么证明你的接口能被调用？
精准视频定位：FastAPI 从入门到实战精准定位：Swagger UI / ReDoc 文档、响应模型、Response响应体分P。
不要全刷，只看上面指定分P/时间戳/关键词。
必须掌握原理：Swagger 是自动生成的接口文档，可以展示路径、方法、入参、响应和在线测试能力。
当天实操任务：为制造业模拟接口写 5 个 Swagger 示例，并整理截图到 README。
你可以这样回答：
我会用 Swagger 作为接口联调和面试演示入口。FastAPI 启动后访问 /docs，可以看到每个接口的路径、请求方法、参数、请求体和响应结构。比如制造业 Agent 项目里，我可以现场展示订单查询、库存查询、工单异常查询、经营日报生成等接口，并直接在 Swagger 里测试返回 JSON。这样比口头说“我做过接口”更可信。
面试官追问准备：追问：Swagger 和 OpenAPI 是什么关系？接口文档对 DEAP 联调有什么帮助？
当天验收标准：能打开 /docs 演示一次完整接口调用。
第1周：Python + FastAPI + JSON + Swagger
Day 7｜第1周项目复盘：把 FastAPI 讲成一个简历项目
面试急救当天必须产出
面试官可能这样问：你这个 FastAPI + SQLite 本地业务接口模拟项目具体做了什么？
必须掌握原理：面试回答不能只说技术名词，要讲背景、目标、架构、接口、数据、联调、结果。
当天实操任务：写一份 FastAPI 项目 3 分钟讲解稿，包含：背景、目标、接口列表、Swagger、DEAP联调方式。
你可以这样回答：
这个项目是为了模拟企业 ERP/MES/WMS 等业务系统接口，让 AI Agent 或 DEAP/悟空能够通过 HTTP 获取业务数据。我用 FastAPI 搭建本地服务，用 SQLite 或模拟数据存储订单、库存、工单信息，通过 Swagger 展示接口文档，并可通过 ngrok 暴露公网给钉钉工作流调用。它的价值是把 AI 从“只会回答问题”推进到“能连接业务系统并基于真实数据分析”。
面试官追问准备：追问：为什么要模拟接口？真实企业系统接入还要考虑什么？
当天验收标准：能不看稿讲 3 分钟，并能回答 3 个追问。
第2周：OpenAPI / 三方应用 / 鉴权 / Webhook
Day 8｜OpenAPI 是什么？为什么它是三方连接的说明书？
面试急救当天必须产出
面试官可能这样问：你用悟空连接三方应用，具体怎么连接？
必须掌握原理：OpenAPI 是描述 API 的规范，核心包括 path、method、parameters、requestBody、responses、security。
当天实操任务：找一个接口文档，标注 path、method、请求体、响应体、鉴权方式。
你可以这样回答：
OpenAPI 可以理解成接口说明书，它描述一个 API 能怎么调用，包括接口路径、请求方法、入参、请求体、返回结构和鉴权方式。悟空或 DEAP 连接三方系统时，本质就是按照 OpenAPI 文档配置请求节点，把业务参数组装成接口需要的格式，带上鉴权信息发起 HTTP 请求，再处理返回的 JSON。
面试官追问准备：追问：Swagger 和 OpenAPI 有什么关系？接口文档里最重要看哪些部分？
当天验收标准：能拿任意接口文档指出 5 个核心部分。
第2周：OpenAPI / 三方应用 / 鉴权 / Webhook
Day 9｜悟空连接销帮帮的完整流程怎么讲？
面试急救当天必须产出
面试官可能这样问：你用悟空连接销帮帮是怎么连接的，原理是什么？
必须掌握原理：平台连接三方应用不是魔法，本质是工作流节点发 HTTP 请求，鉴权后获取/写入业务数据。
当天实操任务：画一张“悟空/DEAP → API节点 → 销帮帮OpenAPI → JSON结果 → 大模型总结”的流程图。
你可以这样回答：
悟空连接销帮帮这类三方应用，本质是通过销帮帮 OpenAPI 做 HTTP 接口调用。首先需要确认应用凭证，比如 corpid、userId、formId、dataId、字段 attr code、接口权限等；然后在悟空或 DEAP 工作流里配置 API 节点，按照接口要求组装请求参数和签名，发起查询、新增或更新请求；接口返回 JSON 后，再由工作流或大模型做字段提取、摘要、分类或下一步动作。涉及写入时，我会先做 dry-run 或人工确认，避免误写客户数据。
面试官追问准备：追问：字段编码怎么找？签名怎么做？如果 401/403 怎么排查？
当天验收标准：能用流程图讲清楚，不只说“通过接口连接”。
第2周：OpenAPI / 三方应用 / 鉴权 / Webhook
Day 10｜API Key / Token / 签名到底区别是什么？
面试急救当天必须产出
面试官可能这样问：三方接口鉴权你了解哪些方式？
必须掌握原理：API Key 用于识别调用方，Token 用于授权访问，签名用于验证请求未被篡改并确认身份。
当天实操任务：写一张鉴权方式对比表：API Key、Bearer Token、Sign、OAuth2。
你可以这样回答：
常见鉴权方式包括 API Key、Token 和签名。API Key 通常用于标识调用方；Bearer Token 更像访问令牌，代表某个应用或用户的授权；签名一般会把请求参数、时间戳、随机数和 secret 按规则加密，服务端重新计算签名来判断请求是否被篡改。企业系统对接时，密钥不能写死在代码里，要放在环境变量或平台密钥配置里。
面试官追问准备：追问：为什么要时间戳？签名能防什么？密钥泄露怎么办？
当天验收标准：能讲清 API Key、Token、签名三者差异。
第2周：OpenAPI / 三方应用 / 鉴权 / Webhook
Day 11｜Webhook 是什么？和主动查询有什么区别？
面试急救当天必须产出
面试官可能这样问：群消息触发智能客服、审批变更通知，本质是什么机制？
必须掌握原理：Webhook 是事件发生时由外部系统主动推送到你的接口；轮询是你定时去查。
当天实操任务：实现 /webhook/dingtalk/message 接口，接收群消息 JSON 并返回分类结果。
你可以这样回答：
Webhook 可以理解为事件回调。比如钉钉群里有人提问、CRM里客户状态变更、审批单通过时，系统可以主动把事件数据推送到我配置的接口。和主动轮询相比，Webhook 更实时，也更节省资源。智能客服/群回复助手里，群消息触发工作流，本质上就是事件进入系统后，经过问题分类、知识库检索、自动回复或转人工。
面试官追问准备：追问：Webhook 安全怎么保证？如果回调失败怎么办？
当天验收标准：能解释 Webhook、轮询、事件触发三者关系。
第2周：OpenAPI / 三方应用 / 鉴权 / Webhook
Day 12｜字段映射为什么是企业系统联调的关键？
面试急救当天必须产出
面试官可能这样问：你对接 CRM/ERP 时字段怎么处理？
精准视频定位：FastAPI 从入门到实战精准定位：请求体 / Pydantic / 响应模型分P。
补充：复看 n8n API 节点，理解节点输入输出字段。
不要全刷，只看上面指定分P/时间戳/关键词。
必须掌握原理：企业系统字段通常有显示名、内部编码、数据类型、枚举值、是否必填、权限范围。字段映射错误会导致接口能通但业务结果错。
当天实操任务：做一张销帮帮客户表字段映射表：业务字段、接口字段、类型、是否必填、示例值。
你可以这样回答：
三方系统对接里，字段映射非常关键。比如业务上叫“客户名称”，接口里可能是某个 attr code；业务上叫“跟进状态”，接口里可能是枚举值。我的做法是先整理字段映射表，包括业务名称、接口字段编码、类型、是否必填、示例值和权限要求。这样再配置悟空或 DEAP 工作流时，才能保证请求参数和返回字段都能被正确理解。
面试官追问准备：追问：字段编码错了会怎样？枚举值怎么处理？
当天验收标准：能展示一张字段映射表并讲清楚。
第2周：OpenAPI / 三方应用 / 鉴权 / Webhook
Day 13｜接口错误怎么排查？401/403/404/500 分别意味着什么？
面试急救当天必须产出
面试官可能这样问：三方接口联调失败你怎么定位？
必须掌握原理：400 参数错，401 未认证，403 无权限，404 路径/资源不存在，500 服务端错误。排查要看请求、鉴权、字段、权限、日志。
当天实操任务：整理一份 API 联调错误排查清单。
你可以这样回答：
接口联调失败时，我会先看状态码。400 通常是参数格式或必填字段问题；401 多数是认证失败；403 是权限不足；404 可能是路径、资源ID或表单ID错误；500 是服务端异常。然后我会检查请求 URL、请求方法、Header、签名、请求体、字段编码和接口日志。对于悟空/DEAP工作流，还要看每个节点的输入输出，确认是 API 调用失败还是后续大模型处理失败。
面试官追问准备：追问：如果接口偶发失败怎么办？怎么记录日志？
当天验收标准：能给出一套联调排查流程，而不是只说“看报错”。
第2周：OpenAPI / 三方应用 / 鉴权 / Webhook
Day 14｜第2周复盘：把“销帮帮连接”讲成完整项目经验
面试急救当天必须产出
面试官可能这样问：你在简历里写三方系统接口联调，具体成果是什么？
必须掌握原理：面试官不只看你是否知道接口，而是看你是否能讲出从业务对象、接口权限、字段映射、请求签名到异常处理的完整闭环。
当天实操任务：写一篇《悟空连接销帮帮原理说明》，控制在 800-1200 字。
你可以这样回答：
我的三方系统连接经验主要体现在把平台工作流和企业系统 API 打通。以销帮帮为例，我会先梳理业务对象，比如客户、线索、跟进记录；再确认 OpenAPI 文档、应用凭证、表单ID和字段编码；然后在悟空或 DEAP 中配置 API 调用节点，完成查询、详情、创建或更新等操作。接口返回后，AI 可以做摘要、分类、提醒或生成标准回复。这个经验的重点不是简单调通接口，而是把业务流程、字段映射、权限、安全和异常兜底一起考虑。
面试官追问准备：追问：如果要接 ERP/MES，你会怎么迁移这套方法？
当天验收标准：能完整回答“具体怎么连接，原理是什么”。
第3周：RAG / Embedding / 向量库 / Prompt
Day 15｜RAG 是什么？为什么企业知识库需要 RAG？
面试急救当天必须产出
面试官可能这样问：你做的企业级 RAG 知识库问答项目原理是什么？
必须掌握原理：RAG = Retrieval Augmented Generation，先检索企业私有知识，再让模型基于检索内容回答。
当天实操任务：用你的财税/投标/产品文档举一个“普通聊天会胡说，RAG能引用资料回答”的例子。
你可以这样回答：
RAG 是检索增强生成。它的核心流程是先把企业文档切分、向量化并存入向量数据库，用户提问时先检索相关片段，再把片段作为上下文交给大模型生成答案。企业知识库需要 RAG，是因为通用大模型不了解企业内部制度、产品资料、合同条款和财税口径，直接问容易编造。RAG 可以让回答基于资料，并输出来源引用。
面试官追问准备：追问：RAG 和微调有什么区别？RAG 能完全解决幻觉吗？
当天验收标准：能用一句话和一张流程图讲清 RAG。
第3周：RAG / Embedding / 向量库 / Prompt
Day 16｜Embedding 是什么？向量检索为什么能按语义找资料？
面试急救当天必须产出
面试官可能这样问：向量数据库里面存的是什么？
必须掌握原理：Embedding 是把文本转换成高维向量，语义相近的文本向量距离更近。向量库通常存文本片段、向量、metadata。
当天实操任务：画出“文档 → chunk → embedding → Chroma → query → top-k片段”的流程。
你可以这样回答：
Embedding 可以理解为把文本转成一组数字向量。语义相近的文本，向量距离也更近。比如“订单延期风险”和“交付逾期预警”字面不完全一样，但语义相关，向量检索可以把它们匹配出来。向量数据库里通常存三类内容：文本片段、对应的向量、以及来源、页码、文档类型等 metadata。用户提问时，系统把问题也转成向量，再找最相近的文档片段。
面试官追问准备：追问：向量检索和关键词检索区别？top-k 是什么？相似度低怎么办？
当天验收标准：能解释向量库不是直接存“大模型答案”。
第3周：RAG / Embedding / 向量库 / Prompt
Day 17｜文档切分 Chunking 为什么影响 RAG 效果？
面试急救当天必须产出
面试官可能这样问：你的知识库问答效果不好，你会怎么优化？
必须掌握原理：chunk 太大召回不准，太小上下文不完整。要根据标题、段落、表格和业务语义切分。
当天实操任务：拿一段制度文档，设计 3 种 chunk_size/overlap，并比较检索结果。
你可以这样回答：
RAG 效果不好时，我不会第一时间换模型，而是先检查文档解析、切分和召回。Chunking 很关键，如果切分太大，检索结果可能包含很多无关内容；切分太小，又可能缺少上下文，导致模型答不完整。企业文档里还有表格、标题、编号、页眉页脚等问题，所以要结合文档结构设置 chunk_size 和 overlap，并通过测试集验证效果。
面试官追问准备：追问：chunk_size 怎么选？overlap 有什么用？PDF 表格怎么处理？
当天验收标准：能说出 RAG 优化不等于只换模型。
第3周：RAG / Embedding / 向量库 / Prompt
Day 18｜Chroma / 向量数据库在你的项目里怎么用？
面试急救当天必须产出
面试官可能这样问：你用 Chroma 做了什么？
必须掌握原理：Chroma 是轻量向量数据库，适合本地 RAG 原型。核心动作是创建 collection、添加文档、查询相似片段。
当天实操任务：写一个 chroma_demo.py，把 5 段企业制度文本入库，并查询返回 source。
你可以这样回答：
我在企业级 RAG 知识库项目中用 Chroma 做本地向量库。流程是先把 PDF 或文本解析出来，按 chunk 切分，再调用 Embedding 模型转成向量，存入 Chroma 的 collection，同时保留文档名、页码、类型等 metadata。用户提问时，通过 Chroma 查询相似片段，再把片段和来源交给大模型生成回答。Chroma 适合小型原型验证，后续生产可换成 Milvus、Qdrant 等。
面试官追问准备：追问：Chroma 和普通数据库区别？metadata 有什么作用？
当天验收标准：能讲清向量库的输入、存储、查询和返回。
第3周：RAG / Embedding / 向量库 / Prompt
Day 19｜Prompt 怎么约束 RAG 不胡说？
面试急救当天必须产出
面试官可能这样问：财税/投标知识库怎么避免模型编造？
必须掌握原理：RAG Prompt 应要求模型仅基于检索内容回答，输出来源；资料不足时明确拒答或提示无法确认。
当天实操任务：写一个 RAG 系统提示词模板，包含：只基于资料、引用来源、无法确认则拒答、输出格式。
你可以这样回答：
在财税、合同、投标这类场景里，我不会让模型自由发挥。我会在 Prompt 中明确要求：只能根据检索到的资料回答；必须输出引用来源；如果资料不足，要说无法确认，而不是编造。比如财税经营 Copilot 评测里，我会专门设计合规拒答和风险识别测试，检查模型是否会给出不合规建议。
面试官追问准备：追问：如果检索到的资料互相矛盾怎么办？引用来源怎么显示？
当天验收标准：能写出一段可直接用于 RAG 的系统提示词。
第3周：RAG / Embedding / 向量库 / Prompt
Day 20｜RAG 怎么评测？不能只凭感觉说效果好
面试急救当天必须产出
面试官可能这样问：你怎么证明知识库问答效果可以？
必须掌握原理：RAG 评测可看：检索是否命中、答案是否正确、引用是否准确、无依据问题是否拒答。
当天实操任务：设计 20 条 RAG 测试题：10条文档内问题、5条模糊问题、5条无依据问题。
你可以这样回答：
我会用测试集评估 RAG，而不是只凭感觉。测试集包括文档内问题、跨文档问题、模糊问题和无依据问题。评估指标包括检索片段是否命中正确来源、答案是否符合资料、引用是否准确、没有依据时是否拒答。这样可以定位问题是在文档解析、切分、Embedding、召回、Prompt，还是模型生成阶段。
面试官追问准备：追问：召回错了怎么优化？答案对但引用错算不算通过？
当天验收标准：能拿出一张 RAG 测试集表格。
第3周：RAG / Embedding / 向量库 / Prompt
Day 21｜第3周复盘：把 RAG 项目讲成完整经验
面试急救当天必须产出
面试官可能这样问：你的企业级 RAG 知识库项目具体怎么做的？
必须掌握原理：RAG 项目讲法：业务问题 → 文档处理 → 向量化 → 检索 → Prompt → 回答 → 来源引用 → 评测。
当天实操任务：写一份 RAG 项目 3 分钟讲解稿，并准备 5 个测试问题。
你可以这样回答：
我的 RAG 项目目标是让企业文档可以被自然语言查询。实现流程是先解析 PDF 文档，把文本按语义切分成 chunk，再用 Embedding 模型转成向量，存入 Chroma 向量库。用户提问时，系统先检索相关片段，再把片段和来源传给大模型生成答案，并输出引用来源。为了降低幻觉，我会要求模型只基于检索内容回答，资料不足时拒答。后续我计划加入多 PDF、多知识库、对话记忆和评测集。
面试官追问准备：追问：为什么不用微调？RAG最大难点是什么？
当天验收标准：能完整讲出 RAG 项目流程和优化点。
第4周：Agent / Tool Calling / Skill / 悟空项目讲法
Day 22｜Agent 和 Workflow 到底有什么区别？
面试急救当天必须产出
面试官可能这样问：你说的 Agent 是真正 Agent，还是普通工作流？
精准视频定位：2025 AI Agent 36分钟精准定位：AI Agent是什么、Agent开发框架、ReAct Agent实战、记忆。
不要全刷，只看上面指定分P/时间戳/关键词。
必须掌握原理：Workflow 是预设流程，Agent 更强调根据目标、上下文和工具反馈动态决策。企业中常见是 Workflow + Agent 能力混合。
当天实操任务：做一张对比表：普通聊天机器人、工作流、Agent、RAG Agent。
你可以这样回答：
Workflow 和 Agent 的区别在于自主性。Workflow 是事先配置好的固定流程，比如消息触发后先分类、再查知识库、再回复；Agent 则会根据目标、上下文和工具返回结果，动态决定下一步调用什么工具、是否继续检索、是否需要人类确认。企业落地时不一定追求完全自主的 Agent，很多场景是工作流负责稳定流程，Agent 负责理解、判断和工具选择。
面试官追问准备：追问：什么场景不适合 Agent？Agent 有哪些风险？
当天验收标准：能用悟空智能客服和制造业多系统 Agent 举例区别。
第4周：Agent / Tool Calling / Skill / 悟空项目讲法
Day 23｜Tool Calling / Function Calling 原理是什么？
面试急救当天必须产出
面试官可能这样问：大模型怎么调用外部工具？模型会真的执行函数吗？
必须掌握原理：模型不直接执行函数，而是根据工具 schema 输出结构化调用意图；程序执行工具后把结果返回给模型。
当天实操任务：设计两个工具 schema：query_inventory 和 get_order_status，包含 name、description、parameters。
你可以这样回答：
Tool Calling 的核心是把自然语言转成结构化工具调用。模型并不会真的执行函数，而是根据我们定义的工具名称、描述和参数 schema，判断该调用哪个工具，并输出类似 JSON 的调用参数。后端程序接收到这个调用意图后，真正执行函数或 API 请求，再把结果返回给模型，模型再基于结果生成最终回答。悟空或 DEAP 中 API 节点调用外部系统，也可以类比成工具调用闭环。
面试官追问准备：追问：工具 schema 怎么设计？如果模型选错工具怎么办？
当天验收标准：能画出 用户问题→模型选择工具→程序执行→返回模型→最终回答 的流程。
第4周：Agent / Tool Calling / Skill / 悟空项目讲法
Day 24｜Skill 是怎么写的？里面到底有什么？
面试急救当天必须产出
面试官可能这样问：有没有自己写过 skill，里面有什么，是怎么写的？
必须掌握原理：Skill 不是一句 prompt，通常包含触发条件、适用场景、输入要求、处理流程、工具调用、输出格式、限制边界和异常兜底。
当天实操任务：把 PDF 比对助手写成一份 Skill 设计文档，包含触发词、输入、流程、输出、异常兜底。
你可以这样回答：
我写过多个悟空技能，比如 PDF 比对助手、财务经营自动化助手、产品选型助手和销帮帮 data integration。写 Skill 时我不是只写一句提示词，而是先定义业务目标和触发条件，再定义输入字段、处理流程、工具调用、输出格式和异常兜底。以 PDF 比对助手为例，触发条件是用户上传两个版本 PDF，流程是解析文件、逐页比对、识别差异区域、在新版 PDF 标注红框、生成差异清单 Excel，输出给用户用于包装审稿或合同版本核对。
面试官追问准备：追问：Skill 和 Prompt 区别？Skill 的边界怎么写？
当天验收标准：能完整回答“skill里面有什么，怎么写”。
第4周：Agent / Tool Calling / Skill / 悟空项目讲法
Day 25｜悟空技能项目怎么讲得像真实落地，而不是玩具？
面试急救当天必须产出
面试官可能这样问：你的财务经营自动化助手、智能客服、工单助手有什么业务价值？
必须掌握原理：技能项目要从业务目标讲起：减少人工汇总、提升响应速度、降低漏处理、标准化输出、异常转人工。
当天实操任务：选择 3 个悟空技能，每个写：业务目标、输入、流程节点、输出、异常兜底、可量化指标建议。
你可以这样回答：
我做悟空技能时更关注业务落地。比如财务经营自动化助手，目标是覆盖合同、开票、回款、费用和经营周报，减少财务人工汇总；智能客服/群回复助手，目标是自动识别客户问题类型、查询知识库、生成标准回复，必要时转人工；智能工单助手则负责问题分类、匹配责任人和处理建议。每个技能我都会设计输入字段、流程节点、分支逻辑、异常兜底和最终输出模板。
面试官追问准备：追问：这些项目有没有量化结果？如果没有怎么表达？
当天验收标准：能把至少 3 个技能从“工具名”讲成“业务方案”。
第4周：Agent / Tool Calling / Skill / 悟空项目讲法
Day 26｜OpenClaw 和 Hermes 的区别怎么讲？
面试急救当天必须产出
面试官可能这样问：你用的 OpenClaw 和 Hermes 具体区别是什么？
必须掌握原理：回答时不要夸大。可以从定位、使用方式、能力边界、是否偏社区工具包/多助手编排/本地模型隐私几个维度讲。
当天实操任务：写一张 OpenClaw vs Hermes 对比表：定位、适用场景、能力、限制、你实际做过什么。
你可以这样回答：
我对 OpenClaw 和 Hermes 的理解是：OpenClaw 更偏社区工具包和开放生态，适合做社区交互、文档搜索、技能发布等工具化能力；Hermes 更偏多助手协作和本地 Agent 工作流探索，可以配置不同助手，让它们围绕任务分工，并结合本地模型保护部分隐私数据。我的使用还处在工具链探索和原型阶段，重点是理解不同 Agent 工具如何做任务分发、工具调用、本地模型接入和知识库联动。
面试官追问准备：追问：你实际让 Hermes 做过什么？它和 Dify/悟空有什么区别？
当天验收标准：能诚实说明探索深度，不把试用说成生产落地。
第4周：Agent / Tool Calling / Skill / 悟空项目讲法
Day 27｜制造业多系统 Agent 项目怎么讲？
面试急救当天必须产出
面试官可能这样问：你这个制造业 AI Agent 项目如果真实落地，架构是什么？
必须掌握原理：制造业 Agent 要围绕 ERP、MES、WMS、BOM、库存、工单、采购、交付、应收做跨系统分析。
当天实操任务：画出制造业 Agent 架构图：用户问题→意图识别→SQL/API/RAG工具→风险分析→报告/通知。
你可以这样回答：
制造业多系统 Agent 项目定位是让业务人员用自然语言查询和分析企业经营数据。架构上，前端可以是钉钉/悟空/DEAP，后端用 FastAPI 模拟或连接 ERP、MES、WMS、CRM、财务等系统接口，Agent 根据问题选择订单、库存、工单、采购或知识库工具，拿到数据后做风险分析并输出建议。比如用户问“哪些订单有延期风险”，Agent 会查询销售订单、库存、采购到货、生产工单，再判断缺料、工单逾期、发货延迟和应收风险。
面试官追问准备：追问：真实企业落地最大难点是什么？权限怎么控制？数据质量差怎么办？
当天验收标准：能从业务、系统、数据、Agent、交付五层讲架构。
第4周：Agent / Tool Calling / Skill / 悟空项目讲法
Day 28｜28天总复盘：形成你的面试主线
面试急救当天必须产出
面试官可能这样问：请你完整介绍一个你最有代表性的 AI 项目。
必须掌握原理：你的面试主线：企业业务场景理解 + 悟空/DEAP技能实践 + FastAPI接口联调 + RAG知识库 + Agent工具调用 + 制造业落地方向。
当天实操任务：写一份 5 分钟自我项目介绍稿，选择“制造业多系统 Agent”或“悟空技能 + 三方接口联调”作为主项目。
你可以这样回答：
我目前的优势是 AI 应用落地和企业业务流程理解。我做过悟空/DEAP相关技能，比如财务经营助手、智能客服、工单助手、PDF比对助手，也做过 FastAPI + SQLite 本地业务接口模拟，用来让 Agent 调用 ERP/MES/WMS 这类业务数据。同时我做过基于 LangChain、Chroma、Ollama/Qwen 的 RAG 知识库问答，支持文档解析、向量检索和来源引用。未来我希望重点做 AI Agent 应用工程和制造业 AI 解决方案，把自然语言查询、业务系统接口、知识库和工作流结合起来，解决订单风险、库存缺料、工单异常和经营分析问题。
面试官追问准备：追问：你目前短板是什么？你离真实 AI 工程师还差什么？
当天验收标准：能 5 分钟完整讲项目，且能回答 Skill、API、RAG、Agent 四类追问。
4. 最终面试主线：你要把自己讲成什么样的人
你的定位不要硬装成算法工程师。你当前最适合的定位是：AI Agent应用工程师企业AI应用实施顾问制造业AI解决方案顾问
推荐主线：我理解企业业务流程，能用悟空/DEAP设计AI技能和工作流；能用FastAPI模拟或连接业务系统接口；能用RAG搭建企业知识库问答；能理解Agent/Tool Calling，让AI从“回答问题”走向“调用工具、查询数据、生成业务建议”。
5分钟项目讲解结构：业务背景 → 痛点 → 数据和系统来源 → 技术架构 → 流程节点 → 异常兜底 → 项目产出 → 后续优化。
5. 面试中不要这样说
不要夸大不要说“我精通大模型底层算法/训练/微调”，除非你确实做过。可以说“我偏AI应用工程和企业落地”。
不要只堆工具名不要只说 LangChain、Chroma、FastAPI、悟空。每个工具都要绑定业务场景和输入输出。
不要说不清原理被问 Skill、Tool Calling、RAG、OpenAPI 时，先讲一句本质，再讲你的项目例子。
不要编造结果没有真实数据就说“目前是原型/演示/联调验证，后续建议补充处理时长、准确率、节省人力等指标”。