项目深挖防守稿（Project Defense Drafts）

为什么这块 ROI 最高#

面试里最狠的环节永远是：「讲讲你做过的那个 RAG / Agent 系统」—— 然后往下挖 20 分钟。

通用知识题答错了只是丢一分；项目深挖塌了，面试就结束了。而且项目深挖是唯一一个面试官无法用刷题准备的部分，也是你相对其他候选人最不可替代的地方。

所以本目录不是「项目总结」，是防守稿：预先想好面试官会从哪个角度挖、挖到多深、以及你每一层怎么答。

覆盖范围#

素材来自 CV（~/Documents/resume/changxin-you-cv.en.md，不在本 repo）。

#	文件	项目	技术核心	面试权重
01	`writing-copilot.md`	Writing Copilot	LangGraph 多智能体 + DPO/GRPO 对齐 + HITL	★★★
02	`race-bot-hkjc.md`	Race Bot (HKJC)	Text2SQL + 合成数据 + Verl 两阶段训练	★★★
03	`quewi-chatbot.md`	QueWI	AI 网关 + vLLM + 模型路由 + 意图 SFT	★★★
04	`hkgai-llm.md`	HKGAI LLM	数据工程 + SFT/DPO + 评测体系	★★★

四个项目怎么串成一条线#

面试的前五分钟不是「讲讲你的项目」，是「介绍一下你自己」。这一段没有稿子，但它决定了面试官接下来往哪挖。四篇防守稿各自很强，串不起来就只是四段经历。

主线：造模型 → 用到业务 → 编排成系统 → 沉淀成平台#

时间	项目	在这一层做了什么	相对上一层新增的能力
2023.12 – 2024.09	HKGAI LLM	本土基座：数据过滤 + SFT 分布匹配 + DPO 对齐 + HKMMLU 评测	造模型：数据工程、后训练、评测体系
2024.09 – 2025.02	Race Bot (HKJC)	垂类对话机器人：Agentic workflow + 合成数据 + Text2SQL + Verl 两阶段训练	用到业务：垂域数据稀缺下自己造数据、自己跑 RL
2024.12 – 2025.05	Writing Copilot	政企写作助手：LangGraph 多智能体 + DPO→GRPO + HITL + 实体校对	编排成系统：多智能体、对齐策略、人在环中
2025.04 – 2025.09	QueWI	客户 Chatbot 方案：AI 网关 + vLLM 部署 + 模型路由 + 意图 SFT	沉淀成平台：把前面做过的每件事变成别人能复用的基础设施

一句话版本（可以直接说出口）：

「我这两年多走的是一条从上往下的线：先在 HKGAI 做本土基座，把数据、后训练、评测这条链路走通；然后到 HKJC 把模型用到真实的垂域业务上，那是我唯一一次自己跑完整 RL 训练的地方；再到 Writing Copilot 用多智能体把复杂交付编排起来；最后在 QueWI 把这些经验沉淀成网关、推理和路由这一层基础设施 —— 让下一个 chatbot 不用再从零建。」

为什么这条线比四个项目本身值钱：它证明你不是「每段都在换方向」，而是每一段都在上一段的产物上加了一层。面试官据此会把追问集中在纵深（你在哪一层最深），而不是怀疑你的稳定性。

四个项目各自唯一能证明的东西#

这四篇不是四个同类项目，是四块不同的证据。面试官如果只挖一个，你要知道那个位置缺了哪块：

项目	唯一能证明的	缺了它会怎样
HKGAI LLM	你真的做过预训练/后训练的数据与评测，不是只会调 API	被归为「应用层的调用者」
Race Bot (HKJC)	你跑过完整的 RL 训练链路（Verl + GRPO + 合成数据闭环）	「RL 只是听说过」
Writing Copilot	你能设计多智能体编排与对齐策略，并处理 HITL	「只会用框架画流程图」
QueWI	你能搭基础设施（网关 / 推理 / 路由）且有成本意识	这是 FDE 最看重的一块，缺了最致命

两个时间重叠，要先想好怎么说#

Race Bot（2024.09–2025.02）与 Writing Copilot（2024.12–2025.05）重叠两个月；Writing Copilot 与 QueWI（2025.04–2025.09）重叠一个月。面试官会注意到。

应答方向：并行参与、角色不同。说清同时在两个项目里的分工差异（谁是主线、谁是接手/支持），以及你实际投入的比例。不要含糊 —— 时间线对不上是真假判断里最好查的一项。

反面例子：含糊其辞地说「都在做」，面试官会怀疑其中一个是挂名的。

每篇的结构#

30 秒叙事 — 开口第一句说什么（面试官会据此决定往哪挖）
架构与关键决策 — 你为什么这么做，替代方案是什么
面试官会怎么往下挖 — 分层问题清单 + 答案要点（本目录的核心价值）
线上故障复盘 — 这套架构必然会长出来的故障、排查路径、复盘话术
数字口径 — 指标类问题怎么答才不会被反问倒
红线 — 这个项目里不要主动说什么，以及不要 claim 什么
自测 — 盖住答案自测

真实性追问：面试官怎么识别「只跑过 demo」#

这一节是本目录的前置层。四篇防守稿解决「答得上」，这一节解决「答得上但不像真做过」。

两篇独立面经把这件事说得很直白：

DeepSeek 应用后端面经：「八股权重很低，项目真实性权重最高。面试官不怕你不会某个知识点，但一眼就能分辨你是不是只调用过 demo，没有线上大模型服务落地经验。」
米哈游 AI 大模型开发面经：「拒绝纯理论背诵，所有技术点必须绑定业务场景 + 线上问题 + 量化结果」「不怕有短板，怕不会复盘、不会迭代」

注意第二句里「线上问题」是被单列出来的一项 —— 它不是「工程能力」的附属品，是独立的考察维度。所以本目录每篇都加了第 4 节。

六种探测手法#

探测手法	面试官在确认	为什么假经历答不上	你该怎么答
问任何教程里都没有的细节	你是自己踩过，还是照着博客搭的	教程只写 happy path；真做过的人手里一定有一堆非教科书细节	讲一个只有做过才知道的事实：某个默认参数、某个报错的真实原因、某个被文档忽略的边界
问钱和时间	有没有真上过线	demo 从不需要回答单位成本	给结构（哪一步最贵、卡在哪一步）；没有数字就说没有数字，不要现编
问失败	会不会复盘	只跑通的人对失败没有细节	按下节《故障题的四段结构》答，并落到各篇的 §4 线上故障复盘
问别人负责的那部分	是否夸大个人贡献	冒领的人会硬答，然后被细节打穿	明确划边界：「那块不是我负责，我了解的是……」
问当时的取舍	你是决策者还是执行者	没做过决策的人只会复述最终结果	说出被否掉的方案和否掉的理由
追问数字口径	数字是不是真的	编的数字撑不过三层追问	先定义再给数；说不清口径就只讲趋势和方向

故障题的四段结构#

被问到「你这个系统出过什么问题」时，按这四段答，不要跳步：

段	说什么	常见错误
① 现象	用户或监控先看到什么（表象，不是结论）	一上来就「因为 XX 有 bug」—— 那是定位结果，不是现象
② 定位	怎么一步步缩小范围，排除了什么	只说最终找到的原因，不讲排除过程 —— 而那才是能力
③ 修法	线上先怎么止血 → 之后怎么根治（代码/数据/流程）	只讲根治不讲止血，说明没在大流量下工作过
④ 改进	这件事让系统多了什么（监控项/评测集/兜底），还剩什么没解决	停在「修好了」

第 ④ 段是分水岭。 只讲「修好了」是执行者；讲出「因此加了什么机制、现在还留着什么风险」才是负责人 —— 这也正是米哈游那句「不怕有短板，怕不会复盘、不会迭代」真正在筛的东西。

最危险的一类：没有稿可背的问题#

「如果现在给你两周，你会改什么？」「这个系统明天要扛十倍流量，你先动哪一块？」

这类问题背不了稿，因为它考的是你对自己项目的理解是否已经内化成模型。答法只有一条：

从你项目里已知的短板出发，而不是从通用最佳实践出发。

❌ 「我会引入 RAG 的混合检索和重排序」—— 这是任何项目都能说的话，等于没答
✅ 「我们当时最没底的是压缩环节没有评测，调压缩率全靠试。如果给我两周，我先把这个评测建起来，因为不建它后面所有优化都没有依据」—— 只有做过的人才说得出来

一条原则：不要编#

「真实」本身就是考点。编造会在两个维度同时失分 —— 内容错，且被识别为编。而面试官识别编造的成本很低（见上表最后两行）。

所以四篇里新增的 §4 线上故障复盘给的不是替你编好的经历，而是：

这套架构必然会长出来的故障类型（从设计推导，不是虚构事件）
每一类的排查路径与复盘话术结构
你要做的是把每一类对应到自己真实遇到的那一次

如果某一类你确实没遇到过，如实说没遇到，然后讲「我知道它是这套设计的固有风险，所以我在 X 处加了预防」。这比编一个故障安全得多，而且同样展示了理解深度。

总原则#

主动暴露权衡，不要假装一切顺利。说「我们试过 X，失败在 Y，所以换成 Z」比说「我们用了 Z」可信十倍，也更容易把面试官引到你有准备的地方。
数字要有口径。「63% → 92%」这种数字一定会被追问：怎么测的、测试集多大、baseline 是什么、会不会过拟合。答不上口径的数字是负资产。
区分「我做的」和「团队做的」。你是 5 人团队 lead，讲清楚边界。面试官问细节时你答「那部分不是我负责」是加分，硬答是送命。

这三条解决的是「答得上」。上面那节《真实性追问》解决的是「答得上且像真做过」—— 两者合起来才是完整的防守。四篇正文的第 4 节（线上故障复盘）是后者在项目层面的落地。