牛客網一篇標題為「10.8號順豐AI全棧一面」的面經帖於10月8日中午發布，發文者自述原以為線上面試已無機會，「沒想到還有面試」。本臺依據帖內可核實內容整理此次面試的輪廓、考題範圍與留言區討論樣態，面試官與順豐方面並未公開回應相關內容。
根據原帖自述，這場面試全程約三十分鐘，沒有手撕演算法題，也沒有傳統意義上的「八股」基礎題。發文者引述面試官說法，指對方「不是Java（背景）」，因此提問主軸放在AI專案與實習經歷。
考題輪廓：從ReAct實作細節到終止條件
帖內羅列的問答顯示，面試官首先針對ReAct模式追問實作層面：循環在程式碼中如何實現、如何在最大迭代次數之外判斷AI可以終止、若模型未輸出tool call是否也算一種終止狀態，以及發文者設定的20次最大循環次數是如何訂出的。面試官另詢問發文者實測中最複雜的任務形態。
第二段提問聚焦推理效率與工程落地，包括大模型的prompt caching與KV Cache概念、在發文者系統中如何提高cache命中率、Spring AI一側需要做哪些工程實現、是否了解OpenAI協議上的緩存控制，以及是否做過大模型底層推理相關開發。
知識庫與翻譯專案被逐層追問
帖內後半段顯示，面試官對發文者簡歷上的供應鏈知識庫與翻譯專案做了較深追問。知識庫方面包括：參與建設是否僅止於內容、如何評估知識庫的有效性與準確性、LM Wiki有幾層概念、內部如何從原始文件抽象出concept與實體邊關係、整個pipeline如何運作，以及知識庫刷新時若某一節點變更，如何評估相連節點是否需要更新、專案中的影響面分析如何進行。
翻譯專案部分，面試官質疑既然大模型翻譯能力已經很強，為何仍用ES做語義召回；並接連追問ES中召回幾條記錄、總共多少條翻譯記錄、每天新增多少、數據持續累積後翻譯風格會趨於一致還是擴散、由誰保證入庫數據品質、譯文是否直接寫入ES。原帖在這些問題之後未附上發文者的回答內容。
反問環節中，發文者詢問了該AI全棧崗位的定位與所需能力、團隊主要業務，以及後續面試輪數。帖內未記錄面試官的回覆。
留言區：AI生成回覆與「項目審計」之評
留言區的討論樣態分成兩類。一則由平臺標註「AI生成」的長回覆逐題給出概括性解答，並邀請發文者私信繼續討論；另有兩則人工留言分別寫道「知識庫問這麼深嗎」與「這哪是Java面，純AI項目審計」，後者發布於10月9日，IP屬地顯示上海。
與同期流傳的其他大廠一面面經對照，這場順豐AI全棧一面的題型分布有其特定走向。同樣不含手撕題的案例可見9月20日得物後端一面面經，該場同樣約半小時、以二十道問答為主；而在AI專案與工具使用上遭遇面試官連番追問的樣態，則與9月8日快手一面面經中部門負責人質疑專案真實性的情形有部分相似。
需要說明的是，以上內容均來自單一發文者自述，未經順豐官方證實；面試確切日期、崗位細節與後續流程，本臺無法獨立核實。帖內標註的「#秋招面試記錄#」與「#順豐#」為原帖話題標籤，發文者後續是否進入下一輪面試，帖內未有交代。