Deloitte 前沿部署工程师面试问题与经验

Deloitte 作为 Anthropic 的渠道合作伙伴招聘前沿部署工程师，职位名称直接写为 Anthropic 前沿部署工程师，隶属于其政府与公共服务部门，设有标准、高级和主管级别，工作地点包括纳什维尔、圣地亚哥和亚特兰大等城市。工作内容是与客户的高级员工并肩协作，对生成式 AI 解决方案进行原型设计和交付。职位要求列出需具备 Claude 实操经验、约 50% 的出差，以及获得美国政府安全许可的能力。

开始准备

先上一节相关的免费课程，然后练习下面的题目。

在编写提示词之前先定义 Agent 的成功标准 →

20 分钟 · 无需注册账号

查找 Deloitte FDE 职位

Deloitte 前沿部署工程师面试流程

公开数据有限

• 在客户/生产环境中进行 GenAI/LLM 的实操交付
• Anthropic 平台经验（Claude API、Claude for Enterprise、工具使用、扩展思考、Claude Code）
• 将业务问题转化为 AI 解决方案；编写具备测试/CI-CD/日志/版本管理/文档的生产级代码

内容由我们的研究和公开信息（候选人反馈及公司面试指南）整理而成。面试流程会变化并持续迭代，且因团队、级别和地区而异。请将其视为方向性准备材料，而非官方规范，并向你的招聘人员或招聘联系人确认具体轮次。

Deloitte 前沿部署工程师薪资

我们能追溯到的信息，并标注了来源。只有在有依据的情况下我们才公布薪资区间，因此本页面的部分内容是空白而非数字。

本档案中没有记录到 Deloitte 该职位的经过核实的薪酬区间。在比较 offer 之前，请查看该职位当前发布的级别和地点信息。其招聘页面是权威来源，且某些司法管辖区的职位发布被要求注明薪资范围。

一家在印度没有大型工程中心的美国或欧盟 AI 公司。此处针对印度本地候选人的招聘通常是全球远程合同，常以美元计价，这是从印度进入该职位薪酬最高的途径，也是最难获得的途径。

这是该类雇主的报告区间，而非针对本公司的报告数据。能否在印度本地招聘取决于其实体和签证情况，因此在围绕此规划之前，请先查看其招聘页面。

完整方法、按级别划分的美国薪资区间，以及三个印度层级并排对比，请参见 FDE 薪资指南，其中还包括真正决定你的数字在这些层级之间如何变动的因素。

Deloitte 面试流程中具有代表性的前沿部署工程师问题

Deloitte 的面试流程源自这些主题方向。以下是每个方向中信号最强的问题，按候选人认为最有用的程度排序。

深入了解 Deloitte 面试流程所考察的主题

对应 Deloitte 前沿部署工程师面试流程的主题方向，按由易到难排序。

Deloitte 前沿部署工程师面试流程假定你已掌握的概念

Deloitte 问题背后的术语与思维模型，来自我们的课程。基础部分免费开始；更深入、决定面试成败的理念属于付费内容。

LLM 与生成式 AI 基础

基础Tokenization 与 Token语言模型读取的不是字符或单词，而是 token：由分词器产生的子词片段，每个 token 被映射为一个模型嵌入的整数。Token 是上下文窗口和计费的单位，文本如何切分成 token 解释了大量模型怪癖，这就是为什么几乎每个面试流程都从这里开始。

基础上下文窗口上下文窗口是语言模型一次能够关注的固定 token 数量，输入和输出共享同一预算。理解它，是能够合理设定提示词规模、控制成本与延迟、并判断何时该使用 RAG 的工程师，与只会把所有内容粘贴进去然后祈祷的工程师之间的分水岭。

基础Embeddings 与向量表示嵌入将一段文本转换为一组数字，其位置使得相似的含义在空间中彼此接近，从而让你可以按含义而非关键词进行搜索。嵌入是 RAG、语义搜索、聚类和去重背后的引擎，因此 FDE 面试流程期望你能解释余弦相似度，以及那些会悄悄破坏向量索引的陷阱。

高级🔒 付费内容LoRA 与参数高效微调全量微调会更新模型中的每一个权重，训练成本高昂，且每个任务都会产生一个完整大小的检查点。LoRA 冻结基础模型，转而训练小型低秩适配器矩阵，从而得到可交换的微型检查点；QLoRA 则增加了量化的冻结基础模型，使整个流程可以在单块 GPU 上运行。FDE 面试流程会考察它，因为这是在客户数据上适配模型而不耗尽客户预算或硬件资源的方法。

检索与 Agent

基础检索增强生成（RAG）RAG 通过在查询时检索相关段落并将其放入提示词中，使语言模型基于你自己的数据作答，让模型依据真实来源而非记忆回答问题。它是几乎所有企业级 FDE 部署的默认模式，这就是为什么几乎每个面试流程都会考察它。

基础向量数据库向量数据库将嵌入与元数据一同存储，并使用近似索引快速回答最近邻查询。真正的面试问题不是它们如何工作，而是你何时真正需要一个向量数据库，而不是一个库或使用 pgvector 的普通 Postgres。

核心登录混合检索（词法 + 向量）混合检索同时运行关键词检索器（BM25）和稠密向量检索器，然后合并两者的结果列表，因为各自都会漏掉对方能捕捉的情况。向量检索会丢失精确代码和生僻术语，BM25 会丢失同义改写，而通过倒数排名融合（Reciprocal Rank Fusion）将两者结合通常优于任何单一方法。

高级🔒 高级版Agent 记忆Agent 记忆是指 Agent 在多轮对话和多个会话之间保持状态的方式。短期记忆是存在于上下文窗口内的对话和草稿区，容量有限且成本高昂。长期记忆是 Agent 按需写入和读取的外部存储，通常通过 RAG 实现，因此它可以回忆上周的事实，而无需将它们保留在提示词中。FDE 流程会重点考察这一点，因为最困难的部分——摘要、持久化内容的选择、以及过期或相互矛盾的记忆——正是 Agent 悄然出错的地方。

AI 安全、隐私与治理

核心登录提示词注入与防御提示词注入是一种攻击方式：不受信任的文本将指令偷偷植入模型的上下文中，从而覆盖系统的意图。它有两种形式：直接注入，即用户直接输入攻击内容；间接注入，即模型稍后读取的被投毒文档或工具输出中携带攻击内容。你无法完全阻止它，因此一名合格的 FDE 会将系统设计成即使注入成功也无法触及任何重要内容。

核心登录PII 处理与脱敏个人数据通过三个渠道渗入 AI 系统：你发送给模型 API 的提示词、你为调试保留的日志，以及你为评测存储的追踪记录。处理它意味着在个人数据跨越任何这些边界之前进行检测和脱敏，然后对必须保留的数据进行最小化、加密、访问控制和过期处理。在受监管的行业中，记录原始提示词是最常见的合规失败。

核心登录差分隐私差分隐私是一种数学保证：无论是否包含任何单个人的记录，计算输出几乎不会发生变化，因此攻击者研究输出后无法确定某人是否在数据中。你通过添加经过校准的随机噪声来获得这种保证，并以准确率作为代价。隐私预算 epsilon 决定了交换比率；epsilon 越小意味着噪声越大、隐私性越强，而像 epsilon = 8 这样的值属于中等水平，并非强隐私。

高级🔒 高级版多租户与数据隔离多租户是指在共享基础设施上服务众多客户，同时保证任何租户都无法看到其他租户的数据。隔离策略涵盖从行级过滤到完全独立的数据库这一范围，在成本与影响范围之间进行权衡。AI 系统的一条不可妥协的规则是：租户范围必须在模型之下的代码中强制执行，即通过过滤查询和限定凭证范围的代码来实现，绝不能通过在提示词中指示模型来实现。一份被注入提示词的文档就足以破坏提示词级别的隔离。

面向客户的技艺

基础需求发现需求发现是找出隐藏在客户明确诉求背后的真实问题的工作。客户交给你的请求（“给我们做一个聊天机器人”）几乎从来不是真正的需求；能够弄清楚谁在使用它、成功是什么样子、实际存在哪些数据、以及为什么截止日期就是截止日期的 FDE，才能交付出人们真正使用的东西。

基础界定模糊问题界定一个开放式命题（“某城市想缩短 911 响应时间”）是一种结构化的操作，而不是灵光一现：澄清输入和约束，大声说出你的假设，切分出最小可用的 MVP，明确你正在选择的准确性/成本/延迟权衡，并规划失败时该怎么办。直接跳进模型或架构是候选人在模拟轮中被淘汰的最常见原因。

基础向非工程师解释权衡高管并不关心你选择了 RAG 还是微调；他们关心的是成本多少、何时交付、以及可能出什么错。翻译技术权衡意味着把准确性、成本和延迟转化为业务真正在做的决策，用他们的语言把每个选项框定为带有后果的选择，并回答他们最终都会问的问题：为什么 AI 每次给出的答案都不一样，以及为什么这不是一个 bug。

高级🔒 付费内容试点验收标准试点验收标准将测试结果与有边界的部署决策联系起来。定义符合条件的工作、失败上限、缺失的证据以及可以批准下一步的人员。

在哪里申请，以及 Deloitte 官方资源

直接来自 Deloitte：开放职位和公司自己的招聘指南。在这里准备，然后去那里申请。

指向 Deloitte 自身页面的外部链接。职位和流程会变化；请务必在官方网站上确认。

是的，而且不同寻常的是，职位名称直接标注了合作伙伴：Anthropic 前沿部署工程师，隶属于 Government and Public Services 部门。Deloitte 在美国多个城市以标准、高级和主管级别发布该职位。

职位要求具备 Anthropic 的实际动手经验，涵盖 Claude API、Claude for Enterprise、工具使用、extended thinking 或 Claude Code，此外还要求有领导客户项目工作流和编写可维护代码的经验。职位还列出了大约 50% 的差旅要求，以及获得并保持美国政府安全许可的能力。

你是在客户环境中部署合作伙伴的模型，而不是部署自己的产品，而且客户往往是政府机构。这使得安全许可、采购和利益相关者管理成为重点，所以请准备好谈论在这些约束条件下的交付，而不仅仅是构建。

Deloitte 尚未公布我们能够确认的 Anthropic 前沿部署工程师职位的薪酬数字。咨询公司的薪酬结构与产品公司不同：预期是基本工资加奖金，而非有实质意义的股权，并请注意该职位大约有 50% 的出差要求。

带着充分准备走进你的 Deloitte 前沿部署工程师面试

通过详细解答及其背后的课程体系，为完整的面试流程做好准备。先从免费题目和概念入手，评估内容的深度。

包含所有答案、概念和课程，所有论文解析，全部已发布的视频课程，动手实践的 FDE Lab 任务，Premium PDF 指南及配套文件，完整的模拟测试题库以及工作样本下载。Referral Premium 不包含指南 PDF 及其配套文件。

6 个月 · 一次付款 · 不自动续费

配合免费视频课程一起学习。

或者创建免费账户，解锁每个主题的更多免费答案。

其他值得准备的前沿部署工程师面试

面试流程与 Deloitte 考察相同方向的公司。

独立运营，与 Deloitte 无关联。所有商标归其所有者所有。