--- title: 三天準備 ASUS 面試過程 updated: 2025-11-07 11:30:10Z created: 2025-11-07 11:00:10Z latitude: 24.94120200 longitude: 121.53413100 altitude: 0.0000 --- ASUS  寫的 JD 是這樣：
1\. 設計 AI Agent（如對話助理、API 偵測...等）與 RAG 架構，包含模型微調、向量資料庫管理與生成內容評估。 2\. 收集、清理與處理資料，建構向量資料庫，支援語意搜尋與精準檢索。 3\. 訓練與優化客製化模型（文字、影像、語音），並開發相關應用（LLM、Whisper、OCR 等）。 4\. 開發與維護 AI 系統，部署模型並持續監控與優化效能。 5\. 參與後端系統與 API 開發，整合 AI 模組與外部服務，維護應用平台。 此職務採線上面談，面談流程包含【測驗1小時+主管面談1小時】，總流程約2小時 基本上內容的概念我大致了解，但只差有實務經驗的話測驗能答對和面試能講的東西應該比較多，所以這塊面試的策略，是要透過 AI 指導讓我多動手做過一次上面說的開發 但我只有三天，因此後來請 ChatGPT 和 Claude 給的概述就只有三天的內容。   我的流程如下：   1. 把 JD 給 ChatGPT 和 Claude ，請他們生一個 14 天完整學習課，並能從中學到東西，讓我能好好完成通過面試。 2. 兩者我評估 Claude 比較有料，因此請 Claude 幫我決定三天各花一整天可以實作來練習的內容 3. 接著在同一個對話，請 Claude 生成第一天的內容，並跟他說這份文件我要請 Claude Code 指導我使用。 4. 產生出 Markdown 檔案放到我的專案目錄下的 `day1.md` 裡面，然後在專案下請 Claude Code 帶我實作並在過程中讓我學習。 5. 要注意因為我需要知道範例程式碼在做什麼事情，而不是單純跑過一次 Claude Code 生成的 Code ，因此 Claude Code 產生的程式檔案，不要原封不動生成，我這邊的策略是照著打過一遍（其中例如很多段 print 、comment 可以直接 copy ，或是 copilot 的 auto complete 就直接幫我完成的，我就直接讓它生成了） 6. 跑過之後 Claude Code 會提供重點告訴我這段主要是要了解什麼參數的什麼影響，可以把執行結果全部 copy 給 claude code ，他會用結果幫我講這裡的細節。 7. 最後請 Claude Code 生一個總結的講義文件給我。   然後為了流程順利，有幾個自己的秘訣： 1. Claude code 在給 Lang chain 很常給到舊程式範例，現在的 library 已經不能用了，可以用 context7 這個 mcp 處理，效果非常好！ 2. python 有一大堆特殊的 symbol 用法，我是第一次接觸到，我是另外開一個 gemini cli 用來問這類的問題，避免打斷 claude code 的流暢性，也不想讓 claude 的 token 浪費在簡單問題上面。 3. 不要花時間在 debug ，所有 bug 都請 claude code 清掉。 4. 為了讓筆試順利，每天的開始前重點 markdown 文件我都會丟一份到 gemini 請他生 deep research ，然後讓 Deep research 生一個網頁來加速本段落吸收；生一個測驗來確認自己是否能通過筆試；生一個學習卡來確認自己能口頭說明（呃學習卡其實沒有實作，所以後來口頭說的時候卡卡的）   以上是大致的流程，但這邊反省在學習上有這些盲點： 1. 以上的做法還是在最快了解概念，例如自己實作了什麼、為什麼要這樣實作，但其實很容易 少很多細節。 例如你用的 lang chain 的 chunk 拆分是怎麼拆，它會不會斷句在奇怪地方（這我是憑印象輸出結果都沒這個問題所以說不會）；接著再追問你用什麼方法，這裡我應該要念得出 langchain 用的 function 的名稱的，是要加強的地方。 2. 騰打 code 對於理解邏輯有幫助嗎？還是是在浪費時間？這可能要知道這整個 code 核心要學習什麼？ 1. 整個檔案的大脈絡（整個 picture, 像戰場地圖的概念 2. langchain 的細節 3. 中間運行的程式如何對應到要學的原理 4. 使用的邏輯 3. 整個 summary 由 AI 產生，老實說沒什麼幫助，Summary 應該也是協作的產物，對自己和別人才有意義