从0到1手搓“AI面试官”走心复盘:一个草台班子,是如何填平大模型落地那6个大坑的?
“小面霸”是个啥？简单来说，它是一款集简历诊断、模拟面试、企业真题、专项训练于一身的智能体。
就像你身边随时跟着一个1V1 的 AI 就业老师，带着你丝滑度过面试备考的折磨期，助你早日拿到 offer。
今天咱不写高大上的观点文，就想和大家碎碎念一下，这头“小怪兽”是怎么被我们几个折腾出来的。
春节期间，有几个学员找我倒苦水，说自己投了两个月简历，基本都是已读不回。我让他把简历发我看看，说实话，看完我也想“已读不回”。
带了这么多年就业，我发现一个很普遍的痛点：很多学员技术底子其实很强，有的甚至开发经验很丰富。但一落到简历上，就写成了流水账；一面对面试官，更是结结巴巴，半天憋不出个重点。
其实，这些问题完全可以在面试前“急救”一下，立马改头换面的。
说实话，你以为那些拿 30k 高薪的、非科班转行逆袭的人，技术真的比你牛出几条街吗？真未必。
关键在于他们懂“规则”——他们知道一份能入 HR 法眼的简历长什么样，他们知道面试前该怎么反复演练，避开那些必死的坑。
虽说我也算一名教育工作者了，但我也得承认：能成为赢家的，往往是那些会玩规则的人，而不是闷头瞎努力的人。
当然针对面试，“急救”最实用的办法，莫过于有人能在你旁边，随时帮你抠简历的字眼，陪你一次次模拟面试挨骂。
很多人知道，这些年我一直做教学管理，主抓产品设计和就业交付。真要自己下场搞开发，我还真有点抓瞎。靠情怀驱动是好的，但落地需要实打实的兵马。
偏偏我合伙的 AI 公司，正忙着交付一堆企业级项目，人手紧缺，根本分不出人来帮我搞这个“业余爱好”。
这时候，我想到了我之前的一个老学员 Seed。他干开发 10 年了，是家中大厂的资深架构师。最关键的是，我比较欣赏他有一种对技术追根究底的情怀，让他不再是个被业务推着走的码农，而是一个真正把技术‘玩明白’了的玩家。
但他也有个痛点：作为架构师，因公司暂未涉足智能体业务（仅有未来规划），他尚无全链路跑通商业级智能体的经验，必须在摸索中边学边干。
这是AI智能体公司里一位有丰富智能体落地经验的大哥 和领头人，我对他进行了疯狂的“情怀绑架”。在他终于被我磨烦了之后，答应入伙。不过他把丑话说在前头：“我不负责敲代码写细节，我只负责带路，给你俩把关技术架构。”
一个懂就业全链路的导师 + 一个懂业务的资深全栈 + 一个懂 AI 落地的架构师
想想就兴奋，这个草台班子终于可以把想法砸进现实了。
我结合这些年带人就业的血泪经验，把“职业定位 -> 简历诊断优化 -> N轮模拟面试 -> 企业真题训练 -> 技术答疑”这套全链路，写成了一份厚厚的产品说明书。
我给团队下了一个死命令：小面霸绝不能是个冷冰冰的打分机器，它必须是一个“嘴毒心软”的技术面试官。它问的题，必须是企业真题，绝不能是 AI 瞎编的套话。
因为大家都是用业余时间在为爱发电，不是他在加班，就是我在开会。从拍脑袋决定要做，到真正写下第一行代码，硬生生拖了一个月。后来我急了，说不管三七二十一，咱们必须死磕一个固定时间碰进度。所以那段时间，我们基本都是晚上 9 点以后，还在腾讯会议里吵产品细节。
我们几个基本都是后端或者业务出身。最开始天真地以为，现在 AI 这么强，前端页面随便让 AI 生成一下不就行了？结果发现，魔鬼全在细节里。为了让用户的交互体验更丝滑，需要反反复复手动调整页面，花的时间一点不比写后端逻辑少。
做 AI 产品最底层的一个坑：你写在系统里的规则，模型不会每次都遵守。这不是它”不听话”，是大语言模型本身就是概率生成、不是程序执行。
小面霸上的典型场景：面试官本来有标准的 5 段式流程，每段几轮都规定好——它经常在专业考察里一口气问你 8 题；过渡的时候来一句”我们接下来进入专业考察环节”，然后就停在那儿了，候选人盯着屏幕发呆。候选人甩一句”这题我不会你来说说吧”，早期版本直接开始讲解 Redis 主从同步——面试官秒变技术博主，这场面试也就废了。
我们能做的，是在模型外面套一层确定性的工程流程来兜底：该卡住的卡住、该掐断的掐断。反复印证的一件事：凡是能用确定性逻辑解决的事，就不要指望模型的”智能”。
面试不是”问一句答一句”的轻对话，一场动辄 20-30 轮，每一轮都得带着前面全部的上下文——这样模型才能记得你刚聊过啥、哪些点已经问过了。
响应越来越慢。前两轮秒回，到第十几轮候选人能明显感觉吐字变慢。
越跑越贵。上下文越长，每次调用烧的 token 越多。
而且这只是主对话。背后还有一堆看不见的 AI 调用：上下文压缩、评分解析、个性化建议、简历诊断、题库检索、记忆写入……一场 20 分钟的面试，背后起码要调用好几次大模型。最尴尬的是，这些”看不见的调用”一开始连我们自己都算不清花了多少钱，钱就静悄悄地流出去了。
这也直接逼着我们去想：商业模式能不能覆盖成本？——账算不算得平，是比技术跑通更难的事。
“让老用户回来时面试官能记得他”——这是个特别温暖的设计初衷。真做起来，全是坑。
一个用户其实同时有好几个身份：简历头上写着李明、画像里随手填成Li Ming、三个月前跟 AI 说过”你叫我小李就行“……模型从这堆信息里随机挑一个叫你：”小李你好，上次你说……”——用户愣住：我啥时候告诉你我叫小李了？
称呼错了倒不致命，但暗示的是整个画像可能都是错乱的。三个月前记下的”想投 Java 后端”，今天他简历改成”AI 工程师”了——你还按记忆里的方向考察他，直接毁掉这场面试。
更尴尬的是，模型还爱主动宣告：”我已经把你的信息记住了，下次可以无缝衔接。”——候选人心里咯噔一下，像是被监视。
我们最后的应对就三条：立一个”单一真相”（冲突时按优先级走，不让模型随机选）、给记忆设保质期、把功能藏在后台不炫耀。做完才意识到：记忆不是”加了就有”——越温暖的功能，背后越要冷静地处理边界。
1.0 版本熬出来后，我没敢声张，先在星球会员内部放了 20 个内测名额，后来又加了 50 个。就是想让大家真刀真枪地去“调戏”它，看看能不能真的解决问题。
非常感谢积极提 Bug 的友友们，内测算是扛过去了。
但一到正式上线小程序，好家伙，流程复杂到让人吐血。每次提交审核，都要等上一周，然后被打回来，理由往往只有一个小问题。改完再交，再等一周。光是耗在上线审核上，就拖拖拉拉磨了一个多月。
从小面霸的构思到小程序正式上线，我最大的感受是：AI 确实正在颠覆传统的开发模式。
对于有经验的后端开发来说，哪怕你以前没碰过 AI，只要有实战大佬带着，上手速度极快。程序员纯粹的“代码壁垒”正在消失。但同时，我们也深刻意识到：懂产品、懂工程化思维，变得前所未有的重要。
你可以代码写得没那么溜，但只要你懂业务流，能驾驭好 AI，你完全可以凭一己之力搓出任何你想要的智能体。
如果开发智能体是为了给自己赋能，那非常有意义。但如果想靠它直接变现，这水可就深了。我本来做小面霸也不是为了靠它赚钱，但跑起来才发现……额，算力 API 是真烧钱啊。
这也让我更确信了一点：真正能让你赚钱的，绝不是你开发出了一款多牛逼的 AI 产品，而是藏在产品背后的商业模式。AI 从来不是万能药，真正的壁垒，是对“业务场景”和“人性痛点”的极度洞察。
小面霸现在还不够完美，但它带着我们解决真实问题的诚意。
如果你也想体验一下被“嘴毒心软”的 AI 面试官拷问的感觉，欢迎扫码来找小面霸“受虐”。
另外，如果你也想开发一款自己的智能体，或者想转型做 AI 却不知道从哪下手，可以在评论区留言，我帮你做个规划。
夜雨聆风
