版权与内容来源声明本文为原创整理。文中涉及官方文档、开源仓库、论文与公开报道的内容均在附表 A 中标注来源引用官方原文保持原样不作改写。文中命令、版本号与界面截图以本文成文时的实测/核验结果为准标注「待验证」的部分请以你本地环境实际输出为判断依据。本文不推荐任何不合规的软件获取方式也不对任何收益结果作承诺。转载请注明出处。第1章 薪资之外先确认这个团队有没有「生产环境」1.1 你签的不是一个模型而是一整条流程拿到 AI 岗 offer 时大多数人比的是薪资、公司牌子和模型是不是最新一代。它们都不决定你入职后每天在做什么。真正决定体验的是这家公司有没有把模型真的放进生产环境。「生产环境」不是机房概念而是指有真实用户在用、出问题有人负责、改一版要留痕迹。只要真跑过一轮团队就会被迫长出评测、灰度、日志、人工兜底、权限这五套东西——不是觉悟高是不这么做第二天就出事。反过来长期停在演示和内部试用的团队通常这五套都没有——你会在把 demo 做得更好看而不是把系统做得更可靠。1.2 演示环境和生产环境的三个硬差别维度演示环境 / 内部试用真实生产环境评测人工试几轮「感觉还行」固定的用例集与指标改动前跑一遍变更改完直接替换先小流量灰度有回滚路径与决策人责任没人签字做个 demo 就行关键环节人工终决有责任人、有日志三行都在回答同一个问题错了怎么办。演示环境假设不会错生产环境假设一定会错。1.3 反问环节是你唯一合法的尽调窗口面试官问「你有什么想问的吗」很多人说「暂时没有了」。这几分钟最不该浪费。下面五问的特点是能当场问、对方必须用名词回答、答不上来本身就是答案。判据一句话问法合格信号评测上线前跑什么谁维护那套题说得出用例集在哪、谁维护、多久更新灰度与回滚新版本先给谁用出问题怎么退回去有分阶段放量、有回滚动作与决策人日志与追溯输入输出留多久出争议怎么定位到那一次说得出保留期限与检索方式人工兜底哪些环节必须人工终决谁签这个字点得出环节名与签字角色权限边界模型能碰哪些系统和数据谁能改提示词有系统与数据边界改权限要走审批下文引用最多的是国家金融监督管理总局 2026 年 6 月 18 日发布的《关于银行业保险业人工智能安全开发应用的指导意见》共 32 项。适用范围必须说清它管的是银行业保险业不覆盖所有行业也不代表其他行业的公司必须照做。第2章 判据一评测——「你们上线前跑什么」2.1 为什么「有测试用例集」是第一条硬证据一份评测集的存在等于团队承认了一件事模型输出不总是对的所以要备一批已知正确答案的题每次改动都回去量一遍。这是从「我觉得」到「我量过」的分界线。监管文本的表述是完善人工智能测评体系建设测试工具链、测评指标和测试用例集全面评估模型的基础能力、金融业务支持能力、安全可靠性提高自动化测评能力。它列了三样测试工具链跑题的脚本、测评指标用哪个数字衡量好坏、测试用例集题目本身。面试时按这三样听——如果对方只说「我们有人工看」那三样都没有。另一处讲的是必须覆盖的阶段金融机构应建立健全人工智能应用需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出的全生命周期管理体系……六个阶段里「评估退出」最容易缺答不出「什么情况下会把这个模型下线」的团队通常也答不出评测怎么做。一份最小评测集的目录结构大致如下关键是题目与期望答案分开存、要有版本。⚠️代码待验证eval/ cases/ # 每题一个文件输入 期望要点 场景标签 metrics.yaml # 用哪些指标、各自阈值 run_eval.py # 跑题脚本 runs/ # 每次跑完的结果存档按日期命名2.2 三句追问把形容词逼成名词第一个问题往往换来礼貌的模糊答案。用三句往下追——含糊可以伪装一次伪装不了三轮。谁维护那套题有主人说明它被当资产用「大家都能加」通常等于加了没人管。多久更新一次加题的触发条件是什么好答案是「出了线上问题就补一条进去」。跑一次要多久不达标能不能拦上线只在群里发一眼那是报告能拦住发布才叫上线前跑什么。2.3 这一条的差答案长什么样差答案不一定是「没有」更常见的是像有、但经不起追问。「我们效果挺好的」——「挺好」是主观评价。追一句「哪个指标、多少算好」通常就散了。「我们看公开榜单排名」——榜单衡量的是通用能力不等于你那个业务场景的表现。「有同事专门看输出」——人工抽查是补充没有固定题目就没法比较两个版本谁更好。收尾标准两分钟内说清「题目在哪、谁维护、什么指标、拦不拦发布」这条就算过。第3章 判据二与判据三灰度回滚与日志追溯3.1 新版本先给谁用、出问题怎么退回去改完模型或提示词不能一次推给全部用户你没法预判全部失败方式只能把暴露范围控制住。监管文本有两个相邻表述。一个是干预在高风险应用关键环节建立人工监督和干预机制明确紧急停用及模型退出条件建立备用系统或人工替代流程。另一个是故障时该做的动作发生故障时人工流程要及时介入或启用备份系统保障人工智能应用稳定性、可靠性。「紧急停用」翻成面试语言就是能不能一键退回去谁按这个按钮。可以往三个方向追先给谁用内部员工 → 小比例流量 → 全量还是直接全量看什么决定继续放量看几天数据还是拍脑袋这里会绕回判据一。退回去要多久改配置、回滚镜像还是重训模型三者代价差得很远。3.2 日志留多久这条能直接对上监管原文这是我个人认为信息量最大的一问因为它几乎无法含糊过关同时暴露技术水平和管理水平。加强模型开发、变更管理和训练过程记录日志保存期限应不低于业务存续期。「业务存续期」不是 90 天也不是一年而是业务还在做、日志就得在。这直接决定存储成本。另一处要求说明了日志要细到什么程度……须设置人工复核节点完整保留原始数据、推理路径及阈值触发记录确保责任可追溯。原始数据、推理路径、阈值触发记录是三样不同的东西缺一个就追溯不到「那一次」。面试可以直问出争议时能不能定位到某一次具体调用拿到它的输入、输出和当时的判断依据追溯要素原文表述面试问法常见含糊回答保存期限日志保存期限应不低于业务存续期输入输出留多久到期怎么处理「应该都存着吧」原始数据完整保留原始数据那次调用的输入还能还原吗「日志里有用户 ID」推理路径完整保留推理路径中间步骤存不存「只看最终输出」阈值触发记录完整保留阈值触发记录触发拦截的依据能查到吗「记了个时间戳」再提醒一次以上都是银行业保险业的监管要求不是对所有行业的强制规定。在别的行业面试把它当一把尺子用——做到几条大致反映团队的可靠程度。第4章 判据四与判据五人工兜底节点与权限边界4.1 哪些环节必须人工终决、谁签这个字模型输出越接近「影响一个人或一笔钱的决定」人工终决越不可省。监管文本给了一个很清晰的条件句可解释性不足的人工智能技术在高风险场景应用时仅能作为辅助工具应由人工进行最终决策。它的逻辑值得学不是因为「人工更准」而是模型说不清自己为什么这么答时责任必须落到一个能负责的人身上。所以该问的不是「有没有人工复核」而是哪些环节必须人工终决要具体到环节名而不是「重要的都会看」。谁签这个字是人名、岗位还是「系统自动通过」人工推翻模型的情况大概什么样如果答案是「从来没推翻过」多半是这个节点形同虚设。4.2 模型能碰哪些系统和数据、谁能改提示词权限边界是五条里最容易被忽略、又最容易出事的一条。监管文本在讲业务流程管理时点到了完善人机协同的业务管理流程科学设定人工智能的功能边界、系统和数据权限明确人员岗位责任确保业务全流程管理责任清晰、可落实、可追溯。注意「可落实」三个字——权限写在制度里不算要能对应到具体的系统账号和数据表。可以拆成三问模型能读哪些数据源全部业务库还是专门的只读视图模型能触发哪些写操作只生成文本还是能调工具下单、发消息、改状态能写的话谁审谁能改提示词和工具权限谁都能改还是要走代码评审还有一条硬约束值得确认对方是否知道姓名、身份证号、手机号、银行卡号等个人信息和隐私数据不得用于生成式人工智能模型训练和优化有效防止客户隐私泄露。这条同样属于银行业保险业的文件但背后的原则在《个人信息保护法》里有更普适的对应该法第二十一条要求委托处理个人信息须约定目的、期限、方式、信息种类、保护措施与双方权利义务并对受托人的处理活动进行监督第二十四条则规定对个人权益有重大影响的自动化决策个人有权要求说明并可拒绝仅由自动化决策作出。这解释了为什么「人工终决」不是可选项。4.3 五条问法的「好答案 / 差答案」三列对照把前面几章合起来就是下面这张表。面试前一晚只看这一张就够了。你的提问好答案长什么样差答案长什么样上线前跑什么谁维护那套题「用例集在 X 系统A 负责出线上问题就补题跑不过不能发」「我们会人工看一下」「效果挺好的」新版本先给谁用怎么退回去「内部→小流量→全量看两天指标回滚是切回上一版B 有权限按」「随时能改」「有问题马上修」输入输出留多久怎么定位那一次「输入输出和阈值记录都落库业务还在做就一直留按调用号查」「应该都存着」「日志里只有时间」哪些环节人工终决谁签字「理赔结论必须 C 复核复核意见入库」「重要的都会看」「系统自动通过」模型能碰哪些系统谁能改提示词「只读视图写操作要审批提示词改动走代码评审」「都能调」「谁需要谁改」第5章 五条判据的自查记分表5.1 怎么打分每条 012 分面完趁记忆还热立刻打分。分数不是给公司评级而是把「感觉不错」拆成可比较的东西。判据2 分1 分0 分我的打分评测说得出用例集位置、维护人、指标阈值且拦得住发布有评测但说不清谁维护答不上来或认为不需要灰度与回滚有分阶段放量、明确回滚动作与决策人有回滚但不清楚谁能按「直接上」日志与追溯说得出保留期限、检索方式、留存字段有日志系统但说不清存什么无日志或日志不含输入输出人工兜底点得出环节名与签字角色复核有记录「重要的都会看」认为不需要人工介入权限边界有系统与数据边界改权限走审批有边界但没有审批「谁需要谁改」5.2 拿到总分之后怎么用9–10 分五条都有人负责属于跑过真实生产的团队重点问技术栈和你要接哪一块。6–8 分有基础但某些环节靠个人自觉入职前把缺的那条问成「谁来做」。3–5 分主要在演示阶段先想清楚你是来学工程还是来学 demo。0–2 分基本没有生产约束如果你的目标是做可靠系统慎选。一个常见误判分高不等于技术更先进分低也不等于没前途。刚起步的团队可能五条都答不全但如果它能说清「下个季度要把评测集建起来负责人是新来的那位」这是另一种信号——知道自己缺什么比假装不缺更值钱。如果想留一份记录可以用下面这种最小格式。这只是格式示例本文未在本机运行任何打分脚本。⚠️代码待验证{target:offer-A,date:2026-10-15,scores:{eval:2,canary:1,logging:1,human:2,permission:0},note:权限边界答『谁需要谁改』视为 0 分}这份资料是什么一张「AI 岗面试反问清单」的可打印版把本章五条判据和三列对照表整理成了一页。放在资料包里扫码即可获取第6章 反例信号清单这些话说明什么6.1 「我们模型很强」「我们日活很高」这两句都不是答案因为它们描述的是输入和热度不是可靠性。只谈模型多强「我们用的是最前沿的模型」。追一句「那你们的评测集长什么样」答不上来说明模型对他们只是外部变量不是自己可控的工程对象。只谈调用次数、活跃规模规模大不等于管得好调用越多又没日志和人工兜底风险反而更大。这类数字在面试场合也无法验证。只谈用户感觉「反馈都挺好」。用户反馈的噪声很大替代不了评测集。6.2 「我们都是直接上」这一句是整组信号里最重的等价于三个否定没有灰度、没有回滚点、没有评测把关。它可能出现在不同包装里。「我们直接上有问题马上修」——用户就是测试环境。可追上一次线上事故是怎么发现的「我们随时能改很灵活」——没有版本与回滚点。可追上一个版本还能切回去吗「评测我们有在群里看」——评测是报告不是关卡。可追不达标能拦住发布吗「日志都存着」——说不清存的是什么、留多久。可追存的是输入输出还是只有耗时「谁需要谁改」——权限无审批。可追提示词改动走不走代码评审6.3 把反例信号转成正面追问反例信号的价值不是让你拒绝这个 offer而是让你在决定之前把真相问出来。同一个疑虑换种问法效果差很多「你们有没有评测集」→「如果我入职后想补一套评测缺的那部分一般谁来做」——不容易激起防御还能听出对方有没有想过这件事。「你们有灰度吗」→「上一个版本发出去时是先给哪些人用的」——问过去的具体动作比问抽象机制更难含糊。判断标准问题场景化之后对方开始描述具体的人、系统名和步骤说明他真在里面干过如果开始讲道理、讲趋势、讲行业说明他在绕。第7章 从 offer 判断反推你要补的到底是什么能力7.1 把判据翻译成简历上的动词这五条判据有个额外好处它们同时是简历上可以写的动词。你不需要在银行工作过任何一次项目经历只要能对上其中一条就值得单独写一行对评测「为 X 场景整理了 N 条测试用例定义了 2 个指标改动前后各跑一轮对比」。对灰度「新版本先在内部账号运行观察后再放开保留上一版配置以便切换」。对日志「每次调用记录输入、输出与关键参数按调用标识可检索」。对人工兜底「高风险输出必须经人工确认后才对外确认结论留档」。对权限「模型仅通过只读接口访问数据写操作由人工在原有系统完成」。这五句没有一句需要大厂背景。它们描述的是你在上一份工作里对「可靠」做过的具体动作——你原来工作里的审批、留痕、复核、权限本身就是这套东西的另一个名字。7.2 雇主侧是怎么表述「生产经验」的想知道招聘方怎么描述这类能力一个可参考的样本是 Anthropic 的 Forward Deployed EngineerFDE即「前向部署工程师」指长期驻在客户现场、把模型能力做成客户生产系统的工程师岗位。核验方式必须说清该公司的海外官方招聘页在本机不可直连2026-10-14 实证本文采用「官方岗位名称与职责文本 招聘平台转载页互相比对」的方式不是直连抓取官方页面。多个转载页的英文职位描述互相对得上可核到的要点职责包含在客户系统里构建生产应用并交付 MCP servers、sub-agents、agent skills要求中包含「Production experience with LLMs including advanced prompt engineering, agent development, evaluation frameworks, and deployment at scale」即高级提示工程、agent 开发、评测框架、规模化部署四件事并列。差旅与挂牌薪酬区间见附表 A。其中评测框架被写进岗位要求且与提示工程、agent 开发并列——招聘方筛人时已经在筛「你有没有为评测这件事干过活」。按本文五条判据对照evaluation frameworks对判据一deployment at scale对判据二「交付进入客户生产工作流的产物」对判据三「在客户系统里构建生产应用」对判据四「面向客户的沟通与发现」对判据五。7.3 一份可以打印带进面试的清单最后把整篇内容压成一张能带走的纸五组问题、每组三问。不需要一次问完跟着对话节奏挑着问就行。⚠️代码待验证offer_due_diligence:eval:-上线前跑什么用例集在哪、谁维护-指标有哪几个阈值谁定的-跑不过能不能拦住发布canary_and_rollback:-新版本先给谁用放量依据是什么-出问题怎么退回去谁有权按-上一次线上问题是怎么发现的logging:-输入输出留多久到期怎么处理-出争议时怎么定位到那一次调用-谁有权限查这些日志human_in_the_loop:-哪些环节必须人工终决谁签字-复核结论怎么记录-什么条件下会紧急停用permission:-模型能读哪些数据源写操作有哪些-谁能改提示词和工具权限走不走评审-用户数据会不会被用于训练一个总原则你不是在考对方你是在确认自己未来一年会学到哪一种工作方式。五条判据的作用是把「这家公司好不好」这个没法回答的问题换成五个能当场得到答案的小问题。这份资料是什么本文「五条判据记分表 三列对照表」的空白填写版可打印后逐条打钩。放在资料包里扫码即可获取附表 A本文引用事实与出处对照表序号事实引用原文处保持原样出处本文位置1《关于银行业保险业人工智能安全开发应用的指导意见》国家金融监督管理总局2026 年 6 月 18 日发布共 32 项适用对象为银行业保险业金融机构总局官网原文页 https://www.nfra.gov.cn/cn/view/pages/ItemDetail.html?docId1261784itemId861 本次已直连核验标题、日期、发布机构与全文一致第1章 1.32二建立「……需求分析、数据准备、训练开发、部署运行、维护迭代、评估退出的全生命周期管理体系」同上二第2章 2.13三「科学设定人工智能的功能边界、系统和数据权限」同上三第4章 4.24四「建设测试工具链、测评指标和测试用例集」同上四第2章 2.15十五按「业务场景重要性、应用规模、对客影响度、模型依赖度、模型复杂度」分类分级同上十五第4章 4.16十七「……建立人工监督和干预机制明确紧急停用及模型退出条件」同上十七第3章 3.17二十一「……日志保存期限应不低于业务存续期」同上二十一第3章 3.28二十二「可解释性不足的……仅能作为辅助工具应由人工进行最终决策」同上二十二第4章 4.19二十二「须设置人工复核节点完整保留原始数据、推理路径及阈值触发记录」同上二十二第3章 3.210二十四「姓名、身份证号、手机号、银行卡号等个人信息和隐私数据不得用于生成式人工智能模型训练和优化」同上二十四第4章 4.211二十六「发生故障时人工流程要及时介入或启用备份系统」同上二十六第3章 3.112《个人信息保护法》第二十一条委托处理个人信息须约定目的、期限、方式、信息种类、保护措施与双方权利义务并监督受托人处理活动中国网信网 https://www.cac.gov.cn/2021-08/20/c_1631050028355286.htm 与全国人大网 http://www.npc.gov.cn/npc//c2/c30834/202108/t20210820_313088.html 交叉核对条号与文字一致2026-10-15 复核第4章 4.213《个人信息保护法》第二十四条对个人权益有重大影响的自动化决策个人有权要求说明并可拒绝仅由自动化决策作出同上第二十四条第4章 4.214Anthropic 岗位「Forward Deployed Engineer, Applied AI」职责含在客户系统内构建生产应用交付 MCP servers / sub-agents / agent skills招聘平台转载页 https://quick-offer.ru/job/forward-deployed-engineer-applied-ai-39757 2026-10-15 直连核验到完整英文职位描述。核验方式官方招聘页本机不可直连采用官方职责文本 转载页互相比对非直连抓取官方页面第7章 7.215该岗位要求含「Production experience with LLMs including advanced prompt engineering, agent development, evaluation frameworks, and deployment at scale」同上转载页原文照录第7章 7.216该岗位差旅 25%–50% 在客户现场经验门槛 4 年以上技术类面向客户岗位同上转载页第7章 7.217该岗位欧洲区挂牌薪酬 €205,000–€220,000转载口径非官方确认同上转载页第7章 7.218海外官方站本机不可直连platform.openai.com返回拒绝访问、docs.anthropic.com跳地区限制页2026-10-14 实证派单规范记录的本机核验结果本文未重复直连验证第7章 7.219本文出现的 YAML / JSON 与目录结构示例均为格式示意未在本机执行本文作者说明第2章 2.1第5章 5.2第7章 7.3附表 B术语速查表术语一句话解释在本文哪里用到生产环境有真实用户在用、出问题有人负责、改版本要留痕的运行环境第1章 1.1、1.2测试用例集一批已知正确答案的题目用来在改动前后量同一件事第2章 2.1灰度发布新版本先给小部分人用没问题再扩大范围第3章 3.1人工终决由人做最终决定模型只提建议、不出结论第4章 4.1权限边界模型能读哪些数据、能做哪些写操作、谁能改配置第4章 4.2FDE前向部署工程师驻在客户现场、把模型能力做成客户生产系统的工程师第7章 7.2评测框架把跑题、算指标、存结果串起来的一套工具与流程第7章 7.2写在最后这篇用到的资料写这篇文章时把相关的官方文档和源码又翻了一遍顺手也整理了几份配套的东西大模型学习路线图从零基础到能自己动手做 Agent按阶段说明每一步该学什么、哪些可以先跳过《LangChain LangGraph MCP 智能体开发实战》视频课7 个模块从私有化部署、EmbeddingRAG 到 MCPAgent 全流程AI 大模型知识库在线可查Agent Skills 从入门到落地、Claude Skills 完全指南等专题按目录浏览即可640 套 AI 大模型行业报告 经典 PDF 书籍看行业落地案例和别人怎么做的时候用得上大模型零基础到精通教学视频跟着敲一遍比只读文档快得多资料是我自己整理的放在下面这个码上扫码即可获取添加时备注「AI」优先通过。资料按「先路线、再动手、最后查漏」的顺序整理好了建议先看学习路线那一份照着它挑一条适合自己当前基础的路径再往下看。