面试官直接问 MiniMax H3 私有化部署成本和 RL 落地方案
作者被面试官当场问 MiniMax H3 部署成本、100 人并发 GPU 配置和 RL 数据量，感觉像在跟甲方谈项目，看完知道现在面试都考真活儿。
一位求职者分享了自己经历的一场特殊面试：没有自我介绍，三位面试官直接给出具体场景题。问题包括私有化部署 MiniMax H3 的 GPU 配置、支撑 100+ 用户并发的最低硬件成本、云服务折扣谈判，以及基于该模型做特定场景 RL 所需的数据量、周期和兜底方案。面试官还要求评估 2 个人加 1 名实习生能否在 1 个月内上线。作者感觉这场面试更像与甲方做项目前期沟通。同一条内容里作者还记录了另一家公司把业务积累的技术债包装成技术难题的面试案例，并给出先用 2-3 个月以痛点专项切入、同步落地 AI Coding 的解题思路。
第二个面试感受 这次不太一样，和过去参加过的面试都不太一样，倒是和付费咨询很像，对，非常像！ 面试开始，甚至我都没做自我介绍，三位面试官就开始直接问问题了。 问的问题场景实在太具体，我就不直接说了，可能容易中目标。模糊一点讲，就是如果我们要私有化部署 MiniMax H3，成本多少，你自己实际工程中用的话，生成效率怎么样？部署后需要有专职的运维吗？如果要支撑 100+ 用户并发，需要什么样的 GPU 配置，最低多少？你们跟云服务能谈到的最低折扣多少？ 还有另一个问题，跟 RL 相关，如果我们想基于 MiniMax H3 做特定场景要求的 RL，需要的数据量是多少？要具体。实现这个场景要求对数据的内容要求是什么，能一次获取完整吗？RL 周期多长、保证效果吗？如果达不到，还有其他办法吗？成本如何？ 实现上面这些功能，如果想在 1 个月内上线，2 个人够吗？算上你。因为我们现在有一个实习生了。 嗯，大概这些，感觉我并不是在面试，像是接了个项目，跟甲方做前期沟通呢。所以我要不要真的按项目跟甲方沟通，顺便把报价和工期也谈一谈 😄 meng shao @shao__meng 这段时间集中面试，公司的阶段、人数、行业、组织和问题千差万别，也想借这次机会更多接触不同的企业来补充自己对于不行业和团队的理解。 我也想把面试中遇到的一些典型问题记录下来，当然会脱敏，意图不是曝光或八卦，主要还是在具象问题中抽象出更合理的解决办法，希望对各位在职场中的朋友有所启发，也希望对在看机会的朋友面试有一些心里准备，哪些是痛点、哪些是雷点，能分清。 我都记录在这篇内容下吧，先来第一个： 一家硬件和 SaaS 软件公司，HR 前置沟通一再强调，团队目前遇到了很深的技术难题，希望有 tl 来带队攻坚！ 但我初步了解了产品形态后，感觉不太对，他们遇到的肯定不是单纯的技术难题，是业务不断发展累加、不断复杂化但又缺少技术架构梳理和重构而欠下的技术债。 后来实际面试中 CEO 和几位技术负责人都参加了，轮到技术负责人提问时，他们提的也确实都是那类问题：业务不能停、个例用户也要支持、业务牵引而缺少技术决策主导等等。 实际上是非常典型的问题，就是业务快速发展的阶段，由于经验能力和时间分配等，忽略了技术架构和工程。当然有一个好的前提是，公司发展很好，且团队意识到了技术上的问题。接下来就来到技术负责人要做的工作：梳理业务痛点、以最痛点的几个问题切入专项解决、先把业务稳住再把专项解决的方案落到各个端。在这个阶段，同步梳理哪些功能可以抽离解耦、各端口协议如何做归一化、数据埋点和日志补全降低排查难度、提升功能使用情况监控。 同时在团队内落地和规范 AI Coding，边解决问题，边渗透 AI Coding 边加速，让研发团队的小的成果不断对业务产生价值，提升信任感和团队的成就感，再内部挖掘可以提供业务附加价值和创新点的方向，部分人和精力投入预研，拿出能打的东西来！ 这样有 2-3 个月时间，就能看到研发团队的变化，也差不多到了技术负责人试用期考核中期了，这份答卷，应该不会差。 🔗 View Quoted Tweet 💬 2 🔄 0 ❤️ 0 👀 213 📊 2 ⚡
