夜雨聆风Q1：你如何理解人工智能？它和机器学习是什么关系？
考察点：基础概念是否清晰，能不能用通俗语言讲清楚专业概念。
回答思路：一句话说清定义 → 一句话说清关系 → 一句话说清区别。
回答模板：
“人工智能是让机器模拟人类智能的 broad领域——让机器能看、能听、能说、能决策。机器学习是实现人工智能的一种方法——让计算机从数据中学习规律，而不是被人为编程每一步怎么做。深度学习是机器学习的一个子集，用多层神经网络自动提取特征。
打个比方：AI是‘制造一个聪明人’这个目标；机器学习是‘让这个人通过读书变聪明’这个方法；深度学习是‘读很多很多书，自己总结规律’这个具体手段。”
Q2：什么是大语言模型（LLM）？你能举几个例子吗？
考察点：对当前主流AI产品的了解程度。
回答模板：
“大语言模型是基于海量文本预训练、依靠Transformer架构，具备上下文理解、文本生成和逻辑推理能力的大型语言模型。它不是更聪明的聊天机器人——传统NLP是‘背答案’，LLM是‘理解问题’。
主流的有：国外的GPT系列（OpenAI）、Claude系列（Anthropic）、Llama系列（Meta）；国内的Qwen通义千问、GLM智谱清言、DeepSeek、Baichuan百川。”
Q3：你听说过AIGC吗？它对你所在的行业可能带来什么影响？
考察点：行业认知和前瞻性思维。
回答思路：定义 → 三个层面的影响（效率、角色、挑战）→ 自己的判断。
回答模板（以市场营销岗为例）：
“AIGC是AI生成内容——用大模型自动生成文本、图片、音频、视频等。
对我们行业的影响有三层：①内容生产效率大幅提升——以前一篇推文可能要半天，现在AI辅助下1小时能出初稿；②用户洞察更精准了——AI可以快速分析大量用户评论，发现人工容易忽略的趋势；③但同质化风险也在增加——大家都用AI，内容越来越像，原创性和人情味反而变得更有价值。
我的判断是：AI不会淘汰这个行业，但会用AI的人会淘汰不用AI的人。”
Q4：你如何看待“AI会取代人类工作”这个观点？
考察点：深度思考能力和职业自信。这是2026年面试的高频高压题。
回答思路：不回避 → 有数据支撑 → 有自己的立场。
回答模板：
“AI不会完整淘汰某一职业，它只会拆分、改写岗位内部的单一任务。上科大2026年劳动力市场报告显示：26.6%的岗位面临较高替代压力，但‘职业消失论’并不成立——AI仅替代标准化任务，架构设计、故障处置等高价值工作无法被机器替代。
我的观点是：AI能取代的是重复性的执行工作，但我的核心价值在于判断力、创造力和对业务的理解。比如AI可以写一篇初稿，但选题方向、用户洞察、品牌调性这些决策，需要人来把控。
AI让‘写’的门槛降低了，但让‘做正确决策’的门槛提高了。”
Q5：你平时用AI吗？具体用在哪些场景？
考察点：有没有把AI融入工作流。2026年最高频的入门题。
回答思路：用 “具体场景 + 具体工具 + 效率提升”的结构。不要只罗列工具名称。
回答模板：
“我日常用AI做三件事：
① 前期调研时快速整理行业资料。用DeepSeek/Kimi快速梳理行业报告和竞品信息，把分散的资料整合成结构化框架。
② 写方案时先让AI生成框架，我再调整优化。用Claude生成方案初稿和不同表达版本，我自己负责选方向、改成符合业务口径、最终核对数据。
③ 会议后用AI工具整理纪要和待办事项。把录音转文字后用通义听悟生成会议纪要和待办清单。
结果：内容产出速度从每周3篇提升到5篇，数据分析时间从每次半天缩短到1小时。”
Q6：你用过哪些AI工具？你认为它们各自的优缺点是什么？
考察点：对AI工具生态的了解，以及有没有自己的判断。
回答模板：
“我主要用这几类：
① 通用对话类：ChatGPT、Claude、DeepSeek。优点是能力全面、知识面广；缺点是免费版有次数限制，且公共数据有隐私风险。
② AI编程类：Cursor、GitHub Copilot。优点是能实时代码补全、多文件编辑；缺点是对非技术人员门槛较高。
③ 内容创作类：Midjourney、可灵、即梦。优点是图生图、文生视频能力强；缺点是精细控制需要反复调整Prompt。
④ 办公效率类：通义听悟（会议纪要）、Gamma（PPT生成）。优点是省时间；缺点是初稿质量不稳定，需要人工修改。
我的原则是：不追新工具，只选能解决实际问题的工具。”
Q7：请分享一个你用AI解决实际问题的具体案例。
考察点：实战能力——有没有真实做过，能不能讲清楚。要求有场景、有过程、有结果。
回答模板（STAR法则）：
“情境（Situation）：今年春招我投递了一家头部公关公司的文旅项目岗，笔试要求三天内提交一份完整的沉浸式文旅项目方案——从市场分析、场景设计到盈利测算全覆盖，且明确说明允许使用所有AI工具。
任务（Task）：我完全没有文旅行业经验，三天时间要从零拿出一份能让面试官眼前一亮的方案。
行动（Action）：我的做法分三步——①先用ChatGPT拆解需求，补齐行业常识，搭出方案的整体框架；②再用Claude生成PPT初稿，填充基础内容；③最后自己调整逻辑、优化细节，补充创意亮点和盈利测算的合理性。
结果（Result）：方案顺利通过笔试进入下一轮面试。面试官评价‘方案逻辑完整、数据扎实，不像是一个非行业背景的人做的’。”
Q8：你如何判断AI给出的答案是否正确？遇到过AI“胡说八道”的情况吗？怎么处理的？
考察点：批判性思维和风险意识。
回答思路：先解释什么是AI幻觉→ 再说自己的验证方法。
回答模板：
“AI幻觉是指AI在缺乏真实知识支撑时，编造出看似合理、实则完全错误的信息。它的本质是AI核心是‘预测下一个最可能的字’，而非‘验证事实’。
我有四个验证方法：
① 多工具交叉验证。同一个问题问ChatGPT和Claude，对比答案是否一致。
② 要求给出依据。每次提问都要求AI给出信息的具体来源和出处。
③ 反向追问细节找破绽。顺着答案追问‘这个数据来自哪份报告？’‘这个结论是基于什么推断？’
④ 让AI复盘推理过程。要求AI把推理步骤写出来，在中间步骤发现错误。
遇到过AI编造‘2025年某行业市场规模XX亿元’的数据，我交叉验证后发现是虚构的。我的原则是：把AI产出当‘候选’，不当‘答案’。”
Q9：你在工作中搭建了怎样的“人机协作”工作流？
考察点：流程提炼能力——能不能把个人经验沉淀成可复用的方法。
回答模板：
“我的工作流是四步法：
第一步：人工确定需求。先明确目标、受众、核心信息和交付标准。
第二步：用AI生成初稿。把需求拆成清晰的指令，让AI生成框架和初稿。
第三步：人工审核关键点。检查逻辑是否通顺、数据是否准确、是否符合业务需求。
第四步：结合业务调整后最终产出。把AI的初稿改成符合品牌/业务口径的最终版本。
我的核心理念：AI负责‘提速’，我负责‘输出结果’。最后的判断、改写、核对和交付一定是我自己完成的，我不会让AI替我做结论。”
小结
第一篇的核心逻辑是：面试官想听的不是你‘知不知道AI’，而是你有没有把AI融入工作流、有没有真实案例支撑。回答时记住三个关键词——具体场景、具体工具、量化结果。
