# FDE W1D7 评测题 · 整合与面试准备（W1 收尾）

> 配套手册：《FDE-W1D7-整合与面试准备-学习手册.html》
> 候选人背景：36 岁，Java + 大数据 + 医疗保险行业。场景默认围绕医疗保险 / 特药理赔 / 保险知识库。
> 满分约 117 分。达标线：L1+L2 全对（基础必过）；总分 ≥ 85 为「面试达标」；≥ 100 为「优秀」。

---

## L1 基础（Q1–Q3，每题 6 分，共 18 分）

### Q1. W1 七天的主线是什么
**考察点**：能否把零散知识点串成一条叙事线。
**评分维度**：
- 3 分：说出从"调一个模型"到"管一批模型"的演进。
- 3 分：能对应到 D3 选型 / D4 Adapter / D6 本地 / D7 网关的递进关系。
<details>
<summary>参考答案</summary>

W1 主线是"从会调一个模型走向能管理一批模型"：D3 决定用哪个模型（选型策略）、D4 决定怎么统一接入（Adapter）、D6 决定哪些跑本地（边界扩展）、D7 把它们编排成轻量模型网关。所有产出都能映射到网关的一个模块。
</details>

### Q2. 轻量模型网关 v1 有哪些模块
**考察点**：网关的边界与构成。
**评分维度**：
- 3 分：说出核心模块（Prompt 管理、路由决策、Adapter 层、模型、重试降级、可观测）。
- 3 分：能对应哪些模块来自 W1 哪一天。
<details>
<summary>参考答案</summary>

网关 v1 = Prompt 管理（集中模板）+ 路由决策（来自 D3 决策树）+ Adapter 层（D4，屏蔽模型差异）+ 本地/远程模型（D6）+ 重试降级 + 可观测。业务只认网关接口，换模型不碰业务代码。
</details>

### Q3. Adapter 在网关里的角色
**考察点**：D4 概念在整合中的落点。
**评分维度**：
- 3 分：说清 Adapter 把异构模型接口统一成内部标准接口。
- 3 分：点出开闭原则——新增模型只加实现类，业务零改。
<details>
<summary>参考答案</summary>

Adapter 是网关的接入底座：把 Ollama 和各家 API 的差异（请求格式、响应结构、错误码）统一成内部 `ModelAdapter` 接口。新增模型只需加一个实现类，上层路由/业务代码零修改——这是开闭原则的体现。
</details>

---

## L2 进阶（Q4–Q7，每题 8 分，共 32 分）

### Q4. Prompt 模板管理怎么做、为什么
**考察点**：把 Prompt 当资产的管理方法。
**评分维度**：
- 3 分：集中存储、变量占位、版本化（如 claim_review_v1/v2）。
- 3 分：价值（可回滚、可 A/B、改 Prompt 不碰业务）。
- 2 分：模板变更后必须重跑评测防退化。
<details>
<summary>参考答案</summary>

管理 = 集中存储 + `{var}` 变量占位 + 版本号。核心是"Prompt 当代码资产"：可版本化、可回滚、可 A/B 对比；改 Prompt 不影响业务代码。且模板一变就要重跑 D5 评测集，确认效果不退化。
</details>

### Q5. 模型选型决策树（来自 D3）
**考察点**：能否结构化地做选型，而非背结论。
**评分维度**：
- 4 分：画出/口述决策树——先问"数据是否敏感不出域"，再按量/复杂度/延迟/运维分叉。
- 4 分：能对一个保险场景现场选型（如特药理赔初审→本地）。
<details>
<summary>参考答案</summary>

决策树从"数据是否敏感/需不出域"分叉：敏感→本地（Ollama int8），否则看调用量级与复杂度——量大简单→本地省成本；量小复杂/长上下文→API 大模型；混合→网关路由（简单本地/复杂 API）。价值不是结论本身，而是展示"我用结构化框架做选型决策"。
</details>

### Q6. YOYO 项目复盘怎么写
**考察点**：真实项目痛点到 W1 方案的映射能力。
**评分维度**：
- 3 分：按 STAR + 技术维度（背景/任务/行动/结果/复盘）组织。
- 3 分：把项目痛点（模型调用散落、无 Prompt 版本）映射到网关/Adapter/Prompt 管理。
- 2 分：点出哪些可复用进网关 v1、哪些坑要避。
<details>
<summary>参考答案</summary>

用 STAR + 技术维度写：背景（YOYO 是什么业务）、任务（我负责什么）、行动（做了什么）、结果（量化指标）、复盘（与 W1 衔接）。关键把项目真实痛点——"模型调用散落多处、换模型改 N 处、Prompt 无版本"——对应到网关 v1 / Adapter / Prompt 管理，让方案"有出处"而非凭空设计。
</details>

### Q7. Java 在 AI 项目里的角色
**考察点**：摆正 Java 在 AI 工程中的定位。
**评分维度**：
- 4 分：说出不是"胶水"，而是"承载系统"——保险核心在 Java，AI 作模块嵌入。
- 4 分：列出具体角色（系统承载、网关服务化、编排集成、工程化底座）和与 Python 的分工。
<details>
<summary>参考答案</summary>

Java 不是"调 API 的胶水"，而是"承载系统"：保险核心业务在 Java，AI 能力作为模块嵌入；网关用 Spring Boot 服务化、纳入微服务治理；用 Java 成熟基建（事务/权限/监控/限流）做工程化。Python 负责模型实验/评测/RAG 原型，Java 负责把验证过的 AI 能力工程化落地。FDE 的差异化优势正是"模型理解 + Java 落地"。
</details>

---

## L3 深度（Q8–Q11，每题 12 分，共 48 分）

### Q8. 把 W1 产出串成网关的完整叙事
**考察点**：整合能力（对应达标线①）。
**评分维度**：
- 4 分：给出串联公式 D3→D4→D6→D7，并说明每步贡献。
- 4 分：逐模块对应到网关（选型→路由依据；Adapter→接入底座；本地→路由目标；整合→编排）。
- 4 分：能讲清"v1 很轻但后续怎么长成生产网关"（接 vLLM、限流、多租户）。
<details>
<summary>参考答案</summary>

串联：D3 选型定策略 → D4 Adapter 做接入 → D6 本地模型扩边界 → D7 编排成网关 v1。网关 = Prompt 管理 + 路由决策（D3 依据）+ Adapter 层（D4 底座）+ 本地/远程模型（D6）+ 重试降级 + 可观测。v1 可轻量（单服务），但要点出后续演进：接 vLLM 提吞吐、加限流/多租户/配置中心成生产网关。
</details>

### Q9. Spring Boot 三件套与网关落地
**考察点**：Java 恢复计划的落地程度。
**评分维度**：
- 4 分：Three 件套——Spring Boot 骨架（起项目）、REST API（@RestController 暴露 /v1/chat）、依赖注入（@Autowired 管 Adapter）。
- 4 分：能写出最小骨架代码（Controller 注入 Router，Router 注入 List<Adapter>）。
- 4 分：说明这些如何对应 W1 模块（REST=网关门面、DI=Adapter/路由由容器管理）。
<details>
<summary>参考答案</summary>

三件套：① Spring Boot 骨架（start.spring.io 起项目能跑）；② REST API（`@RestController` 暴露 `POST /v1/chat` 作网关门面）；③ 依赖注入（`@Autowired` 把 ModelRouter、List<ModelAdapter> 交给容器管理，易测试易替换）。这把 W1 的网关用 Java 落地成可部署服务，DI 正是 D4 开闭原则在 Java 里的落地。
</details>

### Q10. 网关里路由与 Adapter 的分层
**考察点**：架构清晰度的细节把控。
**评分维度**：
- 4 分：路由决定"调谁"（基于 D3 决策树），Adapter 决定"怎么调"（统一接口）。
- 4 分：强调响应/错误归一化（各家 429/限流统一成网关异常）。
- 4 分：指出别在 Adapter 里写业务路由逻辑，分层清晰。
<details>
<summary>参考答案</summary>

分层：路由层（基于 D3 决策树）决定"这次请求调哪个模型"；Adapter 层决定"怎么调这个模型的API"。Adapter 还要归一化响应结构和错误码（把各家 429/限流统一成网关的限流异常），让上层重试/降级逻辑复用。注意：路由逻辑在网关/决策树，不在 Adapter，分层要干净。
</details>

### Q11. Spring AI 与 W1 概念的映射
**考察点**：把已有概念迁移到 Java 生态的学习能力。
**评分维度**：
- 4 分：ChatClient ≈ Adapter 抽象（统一不同模型）。
- 4 分：PromptTemplate ≈ s4 模板管理（版本/变量）。
- 4 分：ChatModel 多实现 ≈ D4 多 Adapter（可切换）。
<details>
<summary>参考答案</summary>

Spring AI 是 W1 概念的 Java 落地捷径：① `ChatClient` ≈ 我们的 Adapter 抽象（统一不同模型调用）；② `PromptTemplate` ≈ s4 的模板管理（变量占位、可组织）；③ `ChatModel` 的可切换实现（OpenAI/Ollama 等）≈ D4 的多 Adapter。学 Spring AI 等于把 W1 设计用 Java 生态实现一遍。
</details>

---

## L4 场景（Q12–Q13，每题 9.5 分，共 19 分）

### Q12. 场景：用网关 v1 支撑特药理赔初审
**考察点**：把整合方案落到具体保险场景（对应达标线①）。
**评分维度**：
- 3.5 分：场景拆解——材料敏感不出域→本地；高频→本地省成本；初审结构化抽取不需复杂推理。
- 3 分：路由配置——简单抽取走本地 Ollama，复杂适应症判断路由 API + 人审。
- 3 分：用 Prompt 管理加载 claim_review 模板，变更重跑评测。
<details>
<summary>参考答案</summary>

特药理赔初审：材料含患者隐私+医保数据→合规不出域走本地；每天数万单→量大高频走本地省成本；初审是结构化抽取不需复杂推理。网关配置：简单抽取走本地 Ollama（int8），复杂适应症判断路由 API 大模型+人工复核；用 Prompt 管理加载 `claim_review_v1` 模板，模板一变重跑评测。整套正是 W1 网关 v1 的场景化落地。
</details>

### Q13. 场景：在 Java 保险系统里嵌入模型网关
**考察点**：Java 角色 + 恢复计划的真实落地（对应达标线②）。
**评分维度**：
- 3.5 分：网关作为 Spring Boot 微服务嵌入存量 Java 理赔系统，纳入现有治理（注册中心/配置/监控）。
- 3 分：恢复计划具体——2h 实跑三件套，网关能 `POST /v1/chat` 起来、容器注入 Adapter。
- 3 分：姿态正确——AI 是嵌入而非替代，借 Java 成熟基建，凸显"模型+Java 落地"差异化。
<details>
<summary>参考答案</summary>

网关作为 Spring Boot 微服务嵌入存量 Java 保险理赔系统：用 @RestController 暴露 `/v1/chat`，注册到现有注册中心、接配置中心和监控，AI 能力借 Java 的事务/权限/限流基建工程化。恢复计划：2h 实跑三件套（骨架+REST+DI），确保网关能启动、Adapter 由容器注入。关键姿态——AI 是嵌入存量系统而非另起炉灶，我的差异化正是"既懂模型、又能在 Java 生产系统落地"，这是纯算法岗没有的。
</details>

---

## 评分汇总表

| 级别 | 题号 | 单题分 | 小计 | 重点 |
|---|---|---|---|---|
| L1 基础 | Q1–Q3 | 6 | 18 | W1 主线、网关模块、Adapter 角色 |
| L2 进阶 | Q4–Q7 | 8 | 32 | Prompt 管理、决策树、YOYO 复盘、Java 角色 |
| L3 深度 | Q8–Q11 | 12 | 48 | 网关叙事、Spring Boot、分层、Spring AI 映射 |
| L4 场景 | Q12–Q13 | 9.5 | 19 | 特药理赔落地、Java 系统嵌入 |
| **合计** | | | **117** | |

**达标线**：
- 基础必过：L1 + L2（共 50 分）须全对，否则基础不牢。
- 面试达标：总分 ≥ 85（约 73%）。
- 优秀：总分 ≥ 100（约 85%）。

**对应手册达标线**：
- 达标线①（W1 产出串成轻量模型网关）→ 主要考核 Q1、Q2、Q8、Q12。
- 达标线②（Java 恢复计划与 AI 项目里 Java 角色）→ 主要考核 Q7、Q9、Q13。