小红书AI产品三面面经

面试官不仅考察对AI行业的宏观认知，还会深度询问结小红书（内容+社区+搜索）的独有业务。​

准备这种“拷打”局，核心秘诀是：态度要专业，表达要像在探讨业务（口语化、有网感），同时一定要把落脚点踩在“小红书的真实UGC生态”上。​

​

​

目前AI内容生态行业的发展现状如何？存在哪些机遇和挑战？​

回答思路： 展现你的宏观视角，强调行业正在从“技术秀肌肉”转向“场景落地”。​

​

我对目前AI内容生态的看法是：行业已经过了“拼模型参数”的狂热期，现在全面进入了‘拼应用落地和场景结合’的阶段。​

机遇方面，最大的机会就是“生产力普惠”。以前产出高质量图文、视频门槛很高，现在AI极大降低了创作门槛，这会释放大量长尾用户的表达欲；同时，在消费侧，基于意图的AI搜索正在重构用户获取信息的路径。​

但挑战也很明显。第一是“内容同质化与AI味”，如果平台充斥着毫无感情的AI生成废话，会极大地破坏社区信任感；第二是“幻觉问题”，特别是在旅游攻略、医疗健康这些重决策领域；第三就是算力成本和商业化ROI的平衡问题。​

​

小红书做独立AI功能(而非嵌入现有流程)的意义是什么？与行业内其他产品的差异性在哪？​

回答思路： 先定义“独立AI”区别于辅助工具，再从“抢占AI入口、重构内容消费方式、结合小红书真实社区内容形成差异化”三个层面回答​

​

如果只是把 AI 嵌入现有流程，比如“AI 帮写标题”，它更多是效率工具；但独立 AI 功能意味着平台想探索新的交互方式和新的内容消费场景。比如：AI 搜索、AI 生活助手、AI 种草问答、AI 穿搭顾问它会形成新的入口，而不仅仅是辅助功能。小红书的差异性，我觉得核心在于“真实生活内容生态”。相比通用 AI 产品，小红书有几个优势：第一，内容场景更垂直。用户大量搜索的是生活决策，比如旅游、穿搭、护肤、探店。第二，UGC 数据质量高。很多内容带有真实体验和情绪表达，这对 AI 理解“用户真实需求”很重要。第三，社区氛围强。小红书天然适合“经验分享 + AI 推荐”的结合。所以它的 AI 不一定只是回答问题，而更像“懂生活方式的 AI”。​

​

做AI产品时，为什么选择自研模型/对接第三方模型，而不使用竞品的成熟方案？​

回答思路： 结合阶段性战略来谈。早期看重效率，后期看重壁垒和调性。​

​

在项目早期，如果是为了快速跑通PMF（产品市场契合度），我们肯定优先对接第三方优秀的基座模型，因为这样研发成本低、上线快。​

但从长期或者核心业务来看，自研（或者基于开源模型做深度微调）是必经之路。 为什么不用竞品成熟方案？因为数据安全和平台调性。小红书最宝贵的资产就是用户的互动数据和真实的图文库，我们不可能把这些数据喂给竞品的模型。更重要的是，我们要的是有“小红书味儿”的输出（比如带emoji、懂网络热梗、排版清晰），直接调用竞品的通用API，根本调教不出这种深度契合社区调性的感觉。核心命脉，还得抓在自己手里。​

​

小红书AI功能的打分体系是如何建设的？核心维度有哪些？​

回答思路： 考察模型评估（Evaluation）能力，一定要分层去说。​

​

我们在建设打分体系时，主要是把机器自动评估（LLM-as-a-judge）和人工标注结合起来。核心维度我会分为三层：​

基础红线层： 包括无幻觉、逻辑通顺、安全合规（不能有违禁词、软广等）。​

平台调性层： 也就是“人感”。评估内容是不是符合小红书的风格？语气是不是像个真实的博主在分享？排版好不好看？​

​

小红书AI业务存在的核心价值是什么？短期和长期目标分别是什么？​

回答思路： 紧扣小红书的两大核心价值：“社区”和“搜索”。​

​

我认为核心价值就是放大‘“人与人、人与信息”的连接效率。​

短期目标，我觉得主要是“提效”。对创作者，提供更好用的AI修图、文案润色工具，降低发布门槛（增加UGC供给）；对消费者，优化搜索体验，比如用AI帮用户总结长篇攻略。​

长期目标，AI业务应该是要成为每个用户的“私人生活决策助理”（Life Agent）。以后大家打开小红书不仅是逛，而是直接把复杂的需求抛给AI（比如：帮我规划一个周末带两岁宝宝去阿那亚的行程），AI能直接调取社区最优质的经验，给出一站式解决方案，甚至完成交易闭环。​

​

如何量化AI产品功能的效果？​

回答思路： 漏斗模型 + AI专属指标 + 业务结果指标。​

​

量化效果我通常会看三类指标：​

​

你认为小红书AI业务的核心定位是做内容生态，还是做服务工具？为什么？​

回答思路： 这是一个经典二选一陷阱。要回答“始于工具，终于生态”。​

​

这个问题很好。我的理解是：它的表层形态是服务工具，但核心定位绝对是做内容生态。​

因为纯工具是没有护城河的，如果小红书只是做一个帮你写文案的工具，那用户完全可以去用Kimi或者ChatGPT写完了再复制过来。小红书做AI，本质是把AI作为一种基础设施（工具），去鼓励更多普通人分享生活，进而繁荣整个UGC社区（生态）。工具只是手段，让内容生态越来越丰富、真实、好逛，才是最终目的。​

​

你在项目中是如何做数据复盘的？如何通过数据指导AI功能的迭代？​

回答思路： 结合具体方法论（目标 — 数据表现 — 问题定位 — 迭代方案）。​

​

我一般会按照：“目标—数据表现—问题定位—迭代方案”这个逻辑复盘。比如一个 AI 内容生成功能上线后，我会先看核心目标指标：使用率、内容发布率、用户留存、用户反馈然后拆漏斗。比如发现：“用户生成了内容，但最终没发布。”那我会继续分析：是内容质量不好？ 风格不符合社区调性？ 生成速度太慢？ 用户缺乏可编辑性？ 之后再结合：用户访谈、差评反馈、日志数据定位问题。迭代时我会优先做高影响问题。比如：优化 prompt、增加个性化生成、调整推荐逻辑、降低生成时延，最后再通过 A/B Test 验证效果是否真正提升。​

我觉得 AI 产品迭代特别重要的一点是：​

不能只看模型指标，要结合真实用户行为。因为“模型觉得好”不一定“用户觉得有用”。​

​