AI 面试备考专区

这里把题库里的高频问题按主题重新整理。它不是标准答案库，而是帮助你判断：这道题到底在考什么，回答时应该覆盖哪些维度，忘了可以回到哪一章补。

建议用法很简单：

1. 先读对应章节，不要直接背题。
2. 看题目下的“回答时应该覆盖”，自己先口述一遍。
3. 说不清楚时，点“深入了解”回到正文补概念。
4. 最后再把答案压缩成 2 到 4 分钟的面试表达。

当前题目页

• RAG 面试题：检索链路、分块、Embedding、向量数据库、Rerank、调优和评估。
• Agent 面试题：Agent Loop、工具调用、状态管理、死循环、多 Agent、LangChain / LangGraph。
• 大模型基础面试题：Token、Context Window、Prompt、结构化输出、幻觉、微调和工程选型。

一道题怎么练

不要先写长答案。更有效的做法是先用 4 个问题拆开：

1. 这道题在问哪一层：模型、Prompt、检索、工具、工程化，还是系统设计？
2. 它希望你说出什么边界：什么时候适合用，什么时候不该用？
3. 如果放进真实项目，最容易失败的地方在哪里？
4. 站内哪一章能补上你说不清的部分？

比如问“RAG 为什么答错”，不要只回答“向量相似度不准”。你应该先把错误拆成文档处理、召回、重排、上下文拼接和生成越界几层，再说明你会怎么排查。

不建议怎么用

不要一上来背长答案。AI 应用开发面试更看重你能不能把概念放回系统里解释：为什么需要这个东西，它解决哪一层问题，什么时候不该用，出了问题怎么排查。

题目如果涉及具体产品名或框架名，也优先回答底层机制。产品会变，机制更稳定。

回到主线复习

如果你发现某一类题总说不清，按下面的路径回去补：

• RAG 题卡住：先看 RAG 原理，再看 RAG 知识库。
• Agent 题卡住：先看 Agent 基础原理，再看 Research Agent。
• 模型基础题卡住：回到 LLM 基础概念 和 Prompt 工程。

面试页只是复习入口。真正能让回答变扎实的，还是你是否做过项目、排过错、能讲出一次具体链路。