面试反问怎么问才加分?

面试结束前，我会选两到三个与前面交流最相关的问题，而不是背一串技术名词。第一个可以问：团队现在最希望大模型解决的具体用户问题是什么，成功主要看哪些指标，当前基线和最大失败类型分别是什么？这个问题能判断项目是在做展示、内部提效还是承担真实业务结果。

如果面试官提到知识库或Agent，我会继续问：线上错误通常来自召回、生成、工具执行还是数据更新，团队怎样收集失败样本并决定下一轮优先级？这比直接问是否使用某个向量库更有信息。若对方说召回问题多，再追问文档版本、权限、评测集和引用支持率；不会预设所有RAG都必须先做Entity Linking。

第二类问题可以聚焦技术决策：在准确率、延迟、成本和安全冲突时，团队最近做过什么取舍，关键方案如何通过离线与线上验证？回答能够反映团队是否有真实基线、回滚机制和评测文化。规则、检索、微调或Agent都可能是答案，不需要先断言纯RAG必然失败。

第三类问题关注岗位边界：这个岗位入职后的核心交付是什么，会负责数据、训练、评测、服务还是产品闭环中的哪些部分，怎样定义一个阶段做得好？再问新人能接触哪些真实问题、代码评审和技术复盘如何进行，比泛泛问晋升更容易理解成长路径。

如果只剩很短时间，我会优先问目标与失败闭环，因为它们同时揭示业务价值和工程成熟度。若面试过程中这些已经讲清，就换成团队协作问题，例如算法、平台和产品如何共同确认上线门槛，发生高风险错误时谁有权停止发布。

提问时我会引用刚才听到的信息，例如对方提到客服知识更新快，就围绕版本延迟和错误回放追问。好的反问不是证明我知道多少技术名词，而是验证目标、证据和责任是否清晰，也帮助双方判断岗位是否匹配。

我也会避免问官网上已经公开、或要求对方泄露敏感数据的问题。若面试官无法给具体指标，可以请他描述当前最关注的失败类型和决策流程。提问后认真听并基于回答追问，比连续抛出准备好的问题更自然，也能体现我关心的是怎样把系统做成，而不是追逐某个技术标签。