校招 AI 应用与 AI 全栈岗位准备说明
这是一份开课导学补充阅读。岗位要求会变化，请以投递时的招聘页面为准。课程训练能增加作品和面试准备，不代表保证录取。
一、先看岗位，不要先背框架
AI（人工智能） 相关校招岗位的名字并不统一。你可能会看到：
- AI 大模型应用开发；
- AI 应用研发；
- Agent（智能体） 开发；
- AI 全栈开发；
- Python 后端 + 大模型应用。
不要只比较名字。打开岗位描述，重点看它需要你解决什么问题。
AI 大模型应用开发
这类岗位通常希望你能把模型能力接入真实业务：理解需求、写 Python 和 API（应用程序接口）、处理数据、设计 Prompt（提示词）、完成 RAG（检索增强生成） 或 Agent、测试、部署，并在效果或稳定性不好时找到原因。
AI 全栈开发
“全栈”不代表一个人精通所有框架。对于初级岗位，更重要的是你能追踪一个功能的完整链路：页面发出什么请求，后端怎样校验和处理，数据来自哪里，模型为什么这样回答，失败后在哪里看日志、怎样修复。
二、五类共同要求
| 能力 | 面试官可能怎样确认 |
|---|---|
| 编程与计算机基础 | 写代码、SQL（结构化查询语言） 或算法；追问网络、操作系统、数据库和并发基础 |
| 大模型应用 | 解释 Prompt、结构化输出、RAG、Agent、工具调用和工作流 |
| 工程交付 | 追问 Git、测试、接口、Docker、部署、日志和故障恢复 |
| 项目真实性 | 深挖架构、个人贡献、提交记录、Bad Case（失败或边界案例） 和技术取舍 |
| 业务协作 | 给一个不完整需求，看你怎样澄清、拆解、设计和验收 |
三、什么叫“准备到可以参加面试”
1. 代码能独立完成
核心任务不能全部交给 AI。你至少要能自己阅读代码、修改条件、补测试、执行 SQL、看懂错误，并解释每次修改产生了什么影响。
2. 项目能运行，也能讲清
你应该能够用 3—5 分钟回答：
- 这个项目解决谁的什么问题？
- 一次请求经过哪些模块？
- 你本人负责哪一部分？
- 最难的一次问题是什么，怎样定位和修复？
- 为什么采用当前方案？还有什么没有做？
3. 正常和异常都有证据
只展示成功页面不够。至少准备：
- 一个正常业务流程；
- 一个失败或边界场景；
- 一次 Debug（调试） 与回归；
- 一项质量、延迟或 Token（词元） 指标；
- 一次本人完成的小型需求变化。
4. 经得住继续追问
面试官可能会改一个条件：“数据多十倍怎么办？”“模型超时怎么办？”“工具重复执行怎么办？”“哪些地方不应该用 AI？”
这时不要急着给结论。先确认需求、风险和边界，再画数据流或状态流，最后给方案和验证方法。
四、十二周怎样把差距补起来
| 阶段 | 你会留下什么 |
|---|---|
| W01—W03 | Python、Git/Linux、SQL、API、Web（网页应用） 和 Docker 的工程作品 |
| W04—W05 | 真实模型调用、结构化理解、工具调用、多轮与流式应用证据 |
| W06—W08 | RAG、Agent、LangGraph（有状态工作流框架）、恢复、部署和链路优化证据 |
| W09—W10 | 能结合项目解释模型、训练、RAG 和 Agent 原理，并完成技术选型 |
| W11—W12 | 从陌生需求到可运行、可测试、可交接、可答辩的企业项目 |
每周的代码、测试、运行记录和复盘都要保留。到面试前，它们会共同回答一个问题：这个项目是不是你真的做过，而且你能不能继续改。
五、公开参考
企业官方岗位与招聘流程：
个人面经样本（题型随团队、岗位和年份变化）：