公开配方能当“岗位探测题”，但不能当招聘公告

消息提到，AllSpark 团队发布了 Iris-mini 和 Iris-pro 两个开源搜索智能体，并提供完整训练配方。对正在投搜索智能体或检索增强方向的人来说，价值不在背模型名，而在于它把训练流程拆成了几个可观察环节：训练任务从网页链接结构反向构建，先有种子页面和出链，再生成需要多步串联才能回答的问题；数据经过两阶段过滤，先查路径正确性、重复循环和搜索深度，再由评审模型逐步审查；团队还测试了有无运行时上下文管理时的表现。需要说清：这些是单个团队公开的项目信息，不能推出某公司正在招什么岗，也不能代表行业岗位普遍设置。把它当作面试核查清单，而不是招聘公告。

先问“这一段谁负责”，别默认岗位就是调参

如果你想判断岗位偏模型训练、数据构建还是评测，光看职位名称不够。可以从公开配方里的三个环节反向提问：多步任务是谁构造的，数据过滤和评审有没有固定流程，运行时上下文管理与模型训练的边界怎么划。取舍在于：若你更想做数据和评测，就要确认团队能否说清任务来源、验收标准和抽样复核；若你更想做训练，也要问训练数据是否稳定、评测是否可复现。岗位描述只写“大模型微调”时，不必立刻下结论，但应追问是否参与检索任务构造、过滤或对照实验。如果对方回答很笼统，你至少知道自己入职后可能需要主动摸索边界，而不是默认已有成熟分工。这不是判断团队好坏，而是帮你判断岗位与你预期的匹配度。

可迁移准备：把多步任务、过滤和对照各练一遍

素材里的三个细节很适合转成练习。第一，拿一个需要多步串联的问题，从种子页面和出链出发画术语与关系图，标出哪一步可能循环、哪一步依赖上下文。第二，设计两阶段过滤：先查完整路径是否正确、是否重复、搜索深度是否合理，再写评审规则做逐步复核。第三，做一个小对照：同一任务下，记录有上下文管理和无上下文管理时结果差在哪里。假设面试中被问“怎么构造多步检索任务”，与其只说“让大模型生成问题”，不如展示你如何定义种子、出链、路径验收和过滤标准。这些练习不依赖特定模型，也不保证录用，但能让你在面试里讲清自己解决了哪类问题。一个小建议：打开你正在投的岗位描述，按“任务构造/过滤评审/上下文对照”三栏标注，再写下每栏你还想向团队确认的问题，面试时逐条问。