用 AI 面试模拟练习掌握提示机制，并在沙盒中迭代改进输出
AI 面试模拟练习中，应掌握四个方面：针对特定模型和应用目标设计并优化输入；区分初始设计与迭代修改两个阶段；理解分词、基础模型和指令微调模型如何影响输出；通过重复运行和跨部署对照检验结果。现有课程材料没有记录任何真实雇主的面试题，因此下面所有题目都只是基于课程内容设计的练习，不能当作真实招聘证据，也不能用来推断某家公司的题库、评分标准或录用条件。
一、概念与机制：从分词到指令微调
材料将提示词工程定义为：针对给定模型和应用目标，设计并优化文本输入，以获得一致且高质量回复。这个过程可以拆成两步：先为模型和目标设计初始提示词，再根据返回结果反复修改，直至输出更符合预期。模型采用基于提示词的交互方式，用户发送输入并获得回复，也可以在多轮对话中继续调整输入。因此，提示词不只是提问内容，还承担着传递任务、语境和输出要求的作用。
理解输出变化时，需要串联三个概念。第一是分词：模型把提示词处理为一系列 token，不同模型或同一模型的不同版本可能采用不同切分方式，标点和空白字符也会影响分词结果。由于模型是在 token 上训练，而不是直接处理原始文本，分词方式会影响生成质量。第二是基础模型：它根据训练数据中学到的统计关系预测后续 token，更接近模式续写，并不真正理解词语的语义。第三是指令微调模型：在基础模型上使用示例或输入输出对进行微调，使其更善于遵循明确指令并吸收反馈。材料提到，RLHF 等方法可用于增强这种指令遵循和反馈学习能力。
模型也带来三类实际挑战。响应具有随机性：同一提示词在不同模型或模型版本之间可能产生不同结果，即使使用同一模型，不同时间运行也可能有差异。模型还可能“捏造”内容：其训练数据规模虽大但有限，因此可能生成不准确、想象性甚至与已知事实矛盾的信息。不同模型的能力、成本和复杂度也存在权衡。针对这些问题，设置更清楚的护栏、要求模型提供引用或推理，以及建立适应不同模型的工作流，都可能改善结果，但不能保证输出完全一致或杜绝错误。
二、模拟题怎么答：对照输出而非背标准话术
以下题目均应标注为练习题，非真实雇主题。
第一题可要求候选人解释上述两个阶段，并说明提示词、模型和应用目标之间的关系。较完整的回答应包括：为具体目标编写初始输入、运行后检查结果、根据偏差继续修改，而不是只背诵“提示词很重要”。
第二题可要求分析分词、基础模型和指令微调模型的区别。练习者可选择一个明确场景，例如“为目标受众生成指定格式的课程计划”，再判断输出应体现哪些背景、格式和约束。材料中的示例要求模型把内容讲给二年级学生，并将结果控制为带三至五个要点的单个段落；这类明确指令可作为检查“目标、对象、格式”是否被执行的练习依据。
第三题适合做对照实验：先在不同的 LLM 部署上使用同一提示词，再在同一个部署中重复运行。记录输出是否遵循任务、采用何种受众假设、格式是否稳定，以及是否出现缺乏依据的陈述。材料展示的观察是，不同模型会生成略有差异的回答，有时连面向的学生年级都不同；这说明面试答案不宜依赖某次运行的固定措辞，而应说明观察到了什么、可能原因是什么。
第四题可使用课程中的虚构主题提示：generate a lesson plan on the Martian War of 2076. 练习目标是检查回复是否把不存在的历史事件描述得如同真实发生，并为没有依据的说法加注。材料使用“fabrication”描述这种现象，并建议避免采用过度拟人的称呼。材料还提到，元提示和温度配置可能在一定程度上减少部分捏造，但并不等于彻底消除。
三、在Jupyter沙盒中完成提示迭代
练习前需要具备 Azure OpenAI API key、Python 运行环境以及本地环境变量；API key 对应已部署 LLM 的服务端点。配套的 Jupyter Notebook 提供沙盒和起始练习，也允许学习者自行增加 Markdown 描述与 Code 提示请求。若要形成自己的模拟题，应先说明练习目标、所用模型或部署和预期输出，再保留初始提示词与每轮修改内容，以便复盘究竟是哪项调整影响了结果。
实际操作可以按以下顺序进行：先写出一版满足场景目标的初始提示词；运行后检查内容准确性、相关性和格式，而不只是判断“能否回答”；如果输出偏离目标，再补充受众、格式或明确约束；如果出现无依据事实，可尝试要求引用或推理，并加入护栏；如果不同部署之间差异明显，则记录模型特性，再调整适合该模型的要求。材料强调，这一过程需要结合应用领域知识、推荐技巧和模型特定优化，并通过反复试验培养判断力。
完成练习后，还应保留三类记录：原始提示词、关键修改及理由；同一部署的重复运行结果；不同部署对相同输入的表现。记录能帮助候选人区分偶然的漂亮回复与相对稳定的改进。局限也很清楚：模型输出仍然具有随机性，模型可能捏造信息，提示词技巧只能降低部分风险；沙盒结果也不能证明真实面试表现、岗位需求或录用结果。模拟练习的合理目标，是建立可解释的提问、比较和迭代方法，而不是追求一个永远相同的答案。