AgentAlpha · 面试间← 返回主站
JINGCHANG

五厂面经真题集

字节、阿里、腾讯、美团、百度各 100 题，按考点分组整理成一份带锚点的速览。题目本身可以背，答题骨架要自己长出来。

0篇已上线8篇规划中取材：第 12 章 · 五厂高频面试题

系统学习路径

LEARN PATH

1

先建立概念

0 个术语的一句话定义与机制，链到术语页。

这个方向的术语页在补，先从刷题开始。

2

刷透高频题

174 道速答题，每题一页：先这样答 → 面试官追问 → 回答的坑。往下就是完整题单。

3

深挖机制与选型

0 篇深度解析，逐层拆到原理与工程取舍。

4

实战检验

项目面试包讲「项目怎么讲才扛住追问」；再按公司检验：五厂真题集。

速答题单

共 174 道

Q · 实时语音 Agent 的链路是什么？流式 ASR 和 TTS 怎么拼？实时语音链路分级联和端到端两类，流式拼接的核心是服务端 VAD 断句与客户端回声消除配合实现全双工打断，底层首选 WebRTC 避免 TCP 队头阻塞。
Q · 什么是 MCP？它的核心内容是什么？MCP 是 Anthropic 2024 年底推出的开放协议，解决工具接入碎片化：工具按协议实现一次、任何支持 MCP 的客户端都能复用，三层核心是 Host/Client/Server 角色、Tools/Resources/Prompts 能力、JSON-RPC 2.0 通信。
Q · Agent Skill 是什么？它和 prompt、MCP 工具有什么区别？Agent Skill 是把指令、脚本、模板打包成可被自动发现、按需加载的能力包机制，Anthropic 2025 年 10 月推出、12 月开放标准；它不是保存 prompt，MCP 给能力、Skill 教用法。
Q · 线上跑的 RAG 怎么衡量效果好不好？分两层：检索层用 Hit@K 看该召回的有没有进前 K、MRR 看排多前，生成层用忠实度、答案相关性、上下文召回率这类 LLM 裁判指标；线上最终看点踩率、追问率、转人工率。
Q · 大模型应用里 WebSocket 和 SSE 怎么选？各自的局限是什么？流式输出主流用 SSE：单向推送、实现简单、自带断线重连；WebSocket 是全双工长连接，适合双方都要主动发消息的实时协作场景，代价是连接状态要自己管理。
Q · RAG 实际落地中最难的地方在哪里？不是把 Demo 跑起来，是调好：文档预处理是最脏的工程活，检索质量定位靠分层指标，效果评估没建起来之前所有优化都是盲调。
Q · 什么场景下会用图数据库增强向量检索？向量检索擅长语义相近、不擅长多跳关系；问题需要沿实体关系走多步时（供应链穿透、组织架构、影响分析），先向量定位实体、再图上精确遍历，图管结构、向量管入口。
Q · 什么是 Function Calling？它的原理是什么？开发者用 JSON schema 描述工具传给模型，模型判断需要时输出结构化 tool_calls JSON 而非自然语言，宿主代码执行后把结果回填对话，模型再生成答案——模型只决策、代码执行，两轮对话完成一次调用。
Q · CoT 为什么有效？它有什么缺点或局限？模型逐 token 生成没有回头修改的机会，CoT 把中间步骤外置到上下文里当草稿纸，后续生成能利用已写下的推理；代价是 token 和延迟成倍涨，且推理链出错会向下传导。
Q · MCP 由哪几部分组成？三层看：角色层 Host/Client/Server（Host 是宿主应用，Client 是其通信模块，一 Host 连多 Server）；能力层 Tools/Resources/Prompts 三类；协议层 JSON-RPC 2.0 加 stdio 或 Streamable HTTP 传输。
Q · 你了解哪些更复杂的 RAG 范式？Naive 到 Advanced 到 Modular 是流程内的演进；再往上是换层的范式：Self-RAG 让模型自决检索时机、CRAG 检索差时降级纠错、GraphRAG 用图谱答全局问题、Agentic RAG 做成多轮动态检索的 Agent。
Q · 大模型的工具调用能力是怎么训练出来的？预训练语料里没有结构化调用样本、学不会；靠两个阶段：SFT 喂全场景的工具调用对话学会「怎么调」，RLHF 用偏好信号学会「什么时候不该调」，一句话——SFT 教会怎么调，RLHF 教会什么时候调。
Q · Function Calling 和 MCP 都能做工具调用，什么场景选哪个？判断核心只有一个问题——这个工具会不会在本应用之外被复用：临时接一两个工具用 Function Calling 就够；要跨项目跨团队复用、数量多难管理、或社区已有现成 MCP Server，就上 MCP。
Q · 你觉得 MCP 能成为行业标准吗？趋势上 MCP 有望成为工具发现与集成的行业事实标准，但过程不会一蹴而就。它解决了集成难题且设计解耦，但仍面临治理中立性与版本迭代迁移成本的考验。
Q · 设计一个面向内部员工的问答 Agent，要接工单系统和知识库，怎么做？先明确量级与延迟要求，再按意图路由、工具调用、带引用生成三层架构设计，并重点处理混合路由切分、后端限流排队及工具超时降级等工程约束。
Q · Agent 的评测系统怎么设计？Trace 数据要记录哪些？评测系统按评测集、执行、判定、报告分层设计，优先用确定性指标，主观质量用 LLM 评分。Trace 数据需记录每次调用的输入输出、工具参数、上下文快照和路由决策，用于回放归因和新题挖掘。
Q · Agent 的混合路由和限流怎么设计？混合路由按复杂度切分请求，规则或小模型处理高频简单任务，大模型处理复杂任务，需预留升级通道。限流依据后端工具 QPS 预算设计，采用队列削峰、优先级排队与超限降级策略。
Q · SFT 数据和 RLHF 对齐数据，在筛选标准和用途上有什么核心区别？SFT 数据教模型学会做任务，核心是筛选正确且多样的示范数据；RLHF 数据教模型按人类偏好做得更好，核心是筛选具有真实优劣对比和高标注一致性的偏好对。前者决定能力上限，后者决定行为对齐。
Q · 上下文工程做过吗？todo list 为什么能让模型更聚焦？做过。todo list 把长任务中间状态外置成显式结构。模型每步先读清单，将“做到哪了”从隐式历史变成显式状态，注意力锚定清单，不被历史稀释。
Q · Agent 为什么必须学会遗忘？记忆衰退机制怎么设计？遗忘是为了保证检索质量与决策准确性。无限制的记忆会导致检索变慢并引入噪声，设计衰退机制需要结合时间衰减、按类型配置、用量反馈与显式失效，并在写入端做好冲突检测。
Q · 查询改写怎么设计？查询改写核心是解决口语提问与知识库书面语的语义鸿沟。具体设计包括指代补全、口语转术语和长问题拆子问题。系统需对比召回率进行评估并设计原句回退机制。
Q · 最简单的 Agent Loop 包含哪些步骤？Message 有哪些类型？最小 Agent Loop 包含组装上下文、调用模型、执行工具并回填、判断终止四步循环，消息类型按 OpenAI 标准分为 system、user、assistant 和 tool 四种。
Q · 多意图识别为什么要做并行？串行处理会累加每个意图的网络往返延迟，并行处理能将总延迟从相加变为取最大值。代价是必须做好并发控制与失败隔离，单个意图超时需单独重试。
Q · Claude Code 的 memory 三层逻辑设计是什么？为什么这么设计？Claude Code 的 memory 分为会话内上下文、项目级 CLAUDE.md 和用户级全局配置三层。分层是为了适应不同的生命周期和共享范围，避免项目内容污染个人偏好。
Q · 为什么 Decoder-only 成了大模型的主流架构？Decoder-only 成为主流是因为它的训练效率高、训练与推理目标一致，且同构的网络层在放大参数时工程实现简单，最适合通用生成基座赛道。
Q · Cursor 这类工具上下文过长会有性能下降的现象吗？怎么应对？现象真实存在。长上下文会稀释注意力并降低指令遵循能力，成本与延迟也会线性增加。应对策略包括截断历史、下沉稳定内容至系统层以及按需检索代码。
Q · 用 LangGraph 实现多轮对话 Agent，比手写 prompt 流程强在哪？LangGraph 还是自研怎么选？手写流程在处理中断恢复和复杂分支时容易堆砌条件判断，LangGraph 通过图结构和统一状态模型，原生提供持久化、人审挂起和并发控制。选型取决于状态复杂度和对底层调度的控制需求。
Q · 举一个大模型输出不符合指令的真实案例，说说怎么解决的。要求输出 JSON 却夹带解释文本是最常见的指令失效案例。原因通常是指令过长导致约束被稀释，或格式要求与模型习惯冲突。解法包括指令拆分、约束解码，以及格式校验配合错误回传重试。
Q · BM25 对 TF-IDF 做了哪些核心优化？字面检索的原理是什么？BM25 是 TF-IDF 的改良版，核心优化了词频饱和度与文档长度归一化。在 RAG 中作为字面检索通道，依赖分词抓取精确匹配，与向量检索形成互补。
Q · self-attention 为什么要把矩阵拆成 Q、K、V？核心是为了让匹配与内容解耦。Q 和 K 负责相似度匹配，决定找什么和去哪找。V 携带实际提取出的内容。拆分能避免单矩阵自乘导致的表达力受限，让同一批词用不同关注模式取不同信息。
Q · Python 的 GIL 对 Agent 后端服务有什么影响？GIL 限制了多线程并行执行 CPU 密集任务，但在 Agent 后端中影响有限。Agent 大量时间用于等待模型和工具的 IO 响应，多线程或异步够用。本地向量化等逻辑可用多进程解决。
Q · 多模态融合有哪几种方式？各是什么思路？多模态融合分为早期、中期和晚期三种。早期在特征层合并，保留信息多但对齐难；中期在中间层注意力交互，是当前主流；晚期在决策级合并，实现简单但易丢失交互信息。
Q · CLIP 的原理是什么？对齐损失怎么工作的？CLIP 采用双塔架构，分别用图像和文本编码器提取特征，通过对比学习拉近正样本对、推开负样本对。对齐损失使用对称的 InfoNCE，计算双向交叉熵。
Q · ViT 和 CNN 的区别？各自优劣？CNN 依赖局部感受野与权重共享，归纳偏置强，对小数据友好。ViT 将图像切块作 token 序列，用全局注意力，大数据下上限更高。工程上 ViT 与大模型架构统一，多模态融合更顺畅。
Q · BLIP、BLIP-2 和 Flamingo 的区别是什么？核心区别在于冻结策略与连接方式。Flamingo 冻结视觉编码器并插入交叉注意力；BLIP 采用双头架构与噪声过滤；BLIP-2 用 Q-Former 连接冻结的图像编码器与 LLM。
Q · 多模态检索的评估指标 Recall@K 和 mAP 是什么？Recall@K 衡量真实匹配项是否进入前 K 名，是检索主指标。mAP 即平均精度均值，反映整体排序质量。多模态需双向分别计算。
Q · 数据并行、张量并行、流水线并行分别解决什么？ZeRO 又是什么？数据并行切分数据，张量并行切分层内权重，流水线并行按层切分模型。ZeRO 是数据并行的显存优化技术，通过分片优化器状态、梯度和参数来节省显存。
Q · 你的 RAG 架构是什么？分几层？我的 RAG 架构分为接入层、检索层和生成层。接入层负责意图路由，检索层执行查询改写、混合召回与重排，生成层负责带引用输出或拒答，每层均有明确指标监控。
Q · RAG 召回错了怎么处理？解决 RAG 召回错误要先定位再处理。用分层指标排查切分、Embedding 或重排。针对语义切断、表述不一致和专有名词失配，分别用语义边界切分、查询改写和补关键词检索解决，最后回收坏案进评测集。
Q · RAG 漏召怎么优化？按顺序使用查询改写、入库时假设性问题增强、向量加BM25混合检索，并扩大召回数量后用重排保精度。所有手段必须在固定评测集上对比召回率来验证有效性。
Q · LoRA 的低秩分解为什么有效？LoRA 的有效性建立在经验观察上：微调时权重的更新量是低秩的。它用两个小矩阵相乘来近似这个更新量，在保证起点等价原模型的同时，让可训练参数骤降。
Q · DPO 训练后模型输出变长，是什么原因？核心原因是偏好数据中被选中的回答普遍更长。DPO 直接对偏好对进行优化，模型将长度本身视作可利用的信号，学会了写长更易被选。缓解方法包括构造数据时控制长度均衡，或加长度惩罚项。
Q · 模型出现复读机现象怎么解释、怎么处理？复读机现象由训练数据重复、低温或贪心解码放大高频路径、解码缺少重复惩罚三者叠加造成。处理需从数据端去重，并在解码端调高温度、增加 repetition penalty 或设置 top-p 截断。
Q · Wide&Deep 和 DIN 的区别是什么？核心区别在于 DIN 引入了目标注意力机制。Wide&Deep 采用双路联合训练，Wide 侧负责特征共现的记忆，Deep 侧负责泛化。DIN 在此基础上按候选商品与用户历史行为的相关度加权，激活相关兴趣。
Q · L1 和 L2 正则的稀疏性有什么区别？L1正则产生稀疏解，最优解常落在坐标轴上，权重精确为零。L2正则产生平滑解，权重被整体压小但不为零。两者的差异源于几何等高线分布与先验分布的不同。
Q · 上下文工程都做什么？上下文工程主要做四件事：保存高价值信息、隔离多会话与多用户、在Token预算不足时做选择、在超限时做压缩。它决定输入什么，提示词工程决定怎么输入。
Q · 上下文污染是什么？怎么防？上下文污染指无关或错误信息混入上下文并影响模型后续生成。防范方法包括来源过滤、过期标记与淘汰、会话隔离以及定期清理与压缩。
Q · 提示词工程和上下文工程的区别是什么？提示词工程改的是指令写法，属于单点优化；上下文工程管的是模型能看到什么，属于系统层设计。上下文里垃圾太多，提示词写得再好也没用。
Q · langsmith 和 langfuse 怎么选？选型看两点：是否需要私有化部署满足合规要求，以及技术栈是否深度绑定 LangChain。重度使用 LangChain 选 LangSmith，需开源自部署选 Langfuse。
Q · Function Calling、MCP、Skill 三者怎么对比？三者不在同一层。Function Calling 是模型侧的调用表达，MCP 是工具侧的接入协议，Skill 是流程侧的知识打包。三者配合完成模型发请求、工具标准化接入与流程编排。
Q · 做过 NLP，那 NLP 和 LLM 的区别是什么？核心区别在于范式变化。NLP 时代任务定义在数据集上，模型为任务定制。LLM 时代任务定义在提示词上，预训练加指令微调打通了任务边界。
Q · SFT 加 DPO 的训练数据怎么组织？SFT 数据组织成指令与回答对，覆盖单轮、多轮及工具调用场景并作难度分层。DPO 数据组织成偏好对，需严格控制采纳与拒绝回答的长度均衡，防止模型学会写长。
Q · LoRA 合并回原模型时，梯度有什么问题？训练中途合并会破坏等价性，因为梯度只流过低秩矩阵，原模型权重被冻结未同步更新。部署时合并会导致无法热切换多任务 LoRA。
Q · LoRA 能不能插在 LayerNorm 后面？不推荐把 LoRA 插在 LayerNorm 后面。LayerNorm 参数量极小，微调收益有限。它对数据分布的稳定性很敏感，强行插入容易扰动训练。常见做法是插在注意力和前馈层的投影矩阵上。
Q · NF4 和 FP16 怎么选？NF4 的分布拟合是什么逻辑？QLoRA 微调时基座模型选 4 位 NF4 降低显存，训练和关键路径计算选 FP16。NF4 按正态分布分位数设置格点，中间密两头疏，拟合权重分布以减小量化误差。
Q · GraphRAG 的难点是什么？增量更新怎么做？GraphRAG 的难点在于实体抽取一致性、图构建成本和多跳查询延迟。增量更新通过提取新文档增量实体并对齐来实现，依靠版本化索引进行灰度切换。
Q · 知识库里新旧文档分布不一致，检索有偏差怎么办？知识库新文档占比小，旧文档会在向量空间里淹没它们。可通过引入时间衰减因子给新文档加权、按版本分索引、识别时效性意图并优先路由新库来解决，同时需单独建时效性测试集评估。
Q · 235B 的 MoE 模型，训练算力怎么估算？估算 MoE 模型训练算力的核心是确认激活参数量。用 token 数乘激活参数量及三倍前向系数得出总 FLOPs，再除以扣除通信与负载不均损耗的集群有效算力。
Q · ZeRO-2 和 ZeRO-3 怎么选？显存够用选 ZeRO-2，模型大到放不下再上 ZeRO-3。ZeRO-2 通信开销较小，是多数微调场景的默认选择。
Q · LayerNorm 和 BatchNorm 的区别？为什么 Transformer 用前者？BatchNorm 沿 batch 维度归一化，依赖批统计量，处理变长序列不稳。LayerNorm 沿特征维度逐样本归一化，与 batch 无关，适合 Transformer 处理变长文本。
Q · 为什么选 GRPO 而不是 PPO 或 DPO？GRPO 省去了 PPO 的价值网络以降低显存和稳定性成本，同时克服了 DPO 依赖离线偏好对且无过程信号的缺点，代价是需权衡采样成本与组大小。
Q · GRPO 的奖励函数怎么设计？GRPO 的奖励函数采用分层设计，结合结果奖励与过程奖励。原则上能用规则判别就不依赖模型，以此减少奖励作弊空间，且奖励维度必须单一可归因。
Q · Prefix、Causal、Encoder-Decoder 三种注意力架构的区别？三者区别在于注意力方向。Prefix 前缀双向生成单向，Causal 全程单向，Encoder-Decoder 编码双向解码单向。主流选 Causal，赢在训练目标统一及无限自回归。
Q · bf16 和 fp16 怎么选？大模型训练默认选 bf16，推理对精度敏感场景选 fp16。bf16 牺牲尾数精度换取大指数范围，能有效避免训练溢出。fp16 尾数精度高但动态范围小。硬件上 A 系及之后架构才全面支持 bf16。
Q · PPO 或 GRPO 训完，模型跑偏到训练分布外怎么办？核心是控制策略偏移幅度并防止模型刷分。手段上利用KL约束控制偏离参考模型的幅度，设计多维奖励，调大温度和组大小保持探索。监控上盯紧生成熵、KL曲线与人工抽检。
Q · LangGraph 做多轮 Agent 的优势是什么？LangGraph 的核心优势是原生支持循环和条件分支，开发者无需手写状态机即可实现多轮工具调用与反思。它集中管理状态并支持 Checkpoint 恢复，代价是抽象层级高，调试需适应图执行模型。
Q · Agent 的记忆机制和传统 RAG 什么关系？主流 Agent 真的淘汰 RAG 了吗？主流 Agent 没有淘汰 RAG，两者是分层关系。RAG 解决外部知识的“取”，是记忆的底层检索组件。Agent 记忆系统在此基础上增加了“存”与“忘”的机制。
Q · Working、Episodic、Semantic、Procedural 四类记忆怎么划分？这四类记忆沿用认知科学分类并映射到 Agent 工程。Working 对应当前上下文窗口，Episodic 记录经历的会话与事件，Semantic 沉淀事实与知识，Procedural 固化做法与流程。
Q · 什么信息应该写入长期记忆？怎么避免把幻觉永久保存？长期记忆只写入跨会话可复用、状态稳定且来源确凿的信息。系统需校验来源、隔离事实与推断并打低置信标记，定期用新交互校验旧记忆。
Q · 长期记忆的排序怎么设计？相关性、重要性、时效性、置信度怎么综合？长期记忆排序采用先召回后重排架构。重排阶段综合相关性、重要性、时效性和置信度四因子加权。权重按业务调整。时效性衰减半衰期按信息类型区分，偏好类衰减慢，状态类衰减快。
Q · 用户画像变了，记忆冲突怎么检测？覆盖、合并还是遗忘？检测记忆冲突看新旧信息是否同主题且属性矛盾。处理策略分覆盖、合并、遗忘三类。遵循时间新者优先且保留审计痕迹原则，用户显式纠正永远最高优先。
Q · 超长任务的上下文压缩，怎么保留目标、约束、工具结果和未决事项？压缩不能无差别摘要，必须采取分层保护策略。目标与约束永不压缩，工具结果按结论加来源摘要且原始数据外置存储，未决事项列成显式清单，先结构化抽取再压缩。
Q · 工具返回几十万 Token 的日志，怎么处理？绝不能直接塞入上下文，必须分层处理。即时层保留错误码与关键行，摘要层用小模型或规则提取结论，原始层外置存储并留引用句柄供 Agent 按需回放。工具端最好直接支持过滤。
Q · 多租户 Agent 的长期记忆怎么做隔离、加密和可删除？多租户长期记忆需在租户与用户维度做存储分区，检索时从会话身份强制注入过滤条件。敏感字段采用应用层加密并按租户管理密钥。删除操作必须级联清理向量库、缓存与备份条目。
Q · 怎么评测 Memory 对任务成功率的真实增益？评测记忆增益必须做对照实验与消融实验，对比带记忆与不带记忆在任务成功率、交互轮次和纠正次数上的差异，不能只看检索相似度。
Q · 摘要多轮迭代后语义漂移，怎么发现和纠正？摘要多轮迭代本质是有损压缩。发现漂移需定期对照原文抽查事实保真度，或做一致性校验寻找出处。纠正是定期回到原文重新生成，并将关键事实锚定原文，避免其参与链式迭代。
Q · Planner 生成的计划不可执行时，Executor 怎么反馈和触发 Replan？Executor 通过结构化反馈失败步骤、失败类型和已完成结果，让 Planner 增量修改计划。缺参数就地补齐，步骤依赖断裂才触发 Replan，超限直接降级转人工。
Q · Agent 的停止条件怎么设计？怎么避免死循环和无限反思？Agent 停止条件分正常完成、预算耗尽和异常终止三类。避免死循环需检测重复状态与动作，限制连续无进展步数，并为反思机制设置计次上限。停止后应交付已完成部分与未完成清单。
Q · 任务失败、工具失败、模型失败、权限失败怎么区分？恢复策略各是什么？区分这四类失败的核心是按层级归因。权限失败需申请或换路径，工具失败走重试降级，模型失败要重生成或换模型，任务失败需人介入或重规划。
Q · 怎么让 Agent 在开放任务中先澄清需求，而不是直接执行高风险操作？核心是动作分级与槽位检查。将写操作、对外发送、花钱等设为高风险并强制确认，关键字段缺失时生成澄清问题，不可逆且信息不足时必须提问。
Q · 怎么设计可回放的 Agent 状态，让线上 Bad Case 完整复现？设计可回放状态需要记录完整输入（含版本号）、每步中间产物与随机性来源。回放采用确定性重放，按序喂入记录流，并通过快照或Mock解决外部工具随时间变化的问题。
Q · Function Calling、MCP、REST API 和本地 CLI 的职责边界是什么？这四者分属不同层级。REST API 是通用网络接口，CLI 是本地进程入口，Function Calling 是模型表达调用的数据格式，MCP 是 AI 客户端接入工具的协议标准。一次调用可贯穿四层。
Q · 工具调用的超时、重试、幂等、补偿和熔断怎么实现？工具调用的稳定性需分层实现。超时按工具分级，重试仅限查询类幂等操作，幂等靠请求去重键实现。非幂等失败走反向补偿或人工对账，连续失败触发熔断并降级使用缓存。
Q · 多个工具都能回答同一问题时，怎么训练或评测模型的工具选择？训练侧要构造多条正例，不惩罚合理选择，只惩罚成本高或结果错的劣质路径。评测侧需固定题集统计工具选择分布、成功率与成本，观察模型是按场景选择还是习惯性单用。
Q · 单 Agent、Supervisor-Worker、层级式、去中心化多 Agent 怎么选型？选型按任务耦合度与规模决定。默认从单 Agent 起步。Supervisor-Worker 适合可并行拆分的子任务。层级式适合控制大规模组织的通信复杂度。去中心化适合无中心决策场景，但调试成本高。
Q · 多 Agent 之间传自然语言还是结构化状态？怎么控制信息损失？按信息类型分层。关键状态用结构化数据保证无损与可校验，叙事性上下文用自然语言保持灵活。通过传递契约化控制信息损失。
Q · 多个 Agent 结论冲突时，怎么仲裁而不靠简单多数投票？仲裁多个 Agent 冲突应先看冲突类型。事实冲突查证据，方法冲突看约束，偏好冲突交由用户决策。机制上采用历史可信度加权或超阈值升级。
Q · 多 Agent 并行调同一个数据库，事务、锁、幂等和资源竞争怎么处理？这是分布式系统老问题穿上Agent外衣。事务用Saga模式带补偿，锁用带过期的资源级租约，幂等靠操作带去重键，资源竞争通过按Agent分组的连接池配额解决。
Q · RAG 怎么做文档级、段落级权限过滤？怎么防止缓存导致越权？权限过滤必须在检索层完成，通过索引打标签和系统注入用户身份实现。防缓存越权需将权限维度加入缓存键，并在多租户命中缓存后二次校验权限。
Q · 搜索推荐广告的多跳问题，怎么构建可验证的证据链？核心是拆解多跳问题进行多轮检索。每跳生成子查询，带上前一跳结论作上下文。记录每跳来源形成证据链，确保中间结论能回溯到具体片段，遇弱证据标注不确定性。
Q · DPO 为什么不需要显式奖励模型？它的假设和局限是什么？DPO 不需要显式奖励模型，因为最优策略与奖励函数存在闭式对应关系。算法将偏好概率直接改写为策略的函数，把隐式奖励定义为当前策略与参考模型的对数比，从而直接用偏好对优化策略。
Q · 怎么从线上轨迹筛选 Agent RL 数据，避免把偶然成功当优质样本？筛选线上轨迹不能只看最终成功，必须做过程质量审查、可复现性验证和结果归因。实现上先用规则过滤坏例，再用模型打分，最后人工校准。
Q · AWQ、GPTQ 和 FP8 量化怎么选？硬件新首选FP8，精度损失小且免校准。追求极限显存压缩选AWQ，INT4下精度更好且量化快。考虑生态兼容性选GPTQ。
Q · 推理服务压测怎么设计？为什么只看平均吞吐会掩盖 P99 抖动？平均吞吐会平均掉长尾请求，掩盖极差的用户体验。推理服务压测必须模拟真实流量形态，采集分位延迟、失败率与队列深度，并单独测试长上下文请求。
Q · 一次 Agent 任务怎么控制 Token、模型、检索和工具的总成本？核心是先计量后控制，把预算挂在任务维度。系统按环节拆解记账，通过分级路由、上下文压缩和缓存降低消耗，最后用任务级预算熔断精确止血。
Q · 任务成功率、步骤正确率、工具成功率和答案质量怎么做分层归因？采用自下而上的归因排查路径，依次测试工具调用层、规划层、生成层和端到端层，确保精准定位到底坏在哪一层。
Q · RAG 找不到答案时，置信度、拒答、追问和转人工怎么设计？按检索分数和内容相关性设置正常回答、不确定回答与拒答三层出口，结合多路召回一致性和模型自评，交易与合规问题直接转人工。
Q · Pre-LN、Post-LN 和 Sandwich-LN 对深层训练稳定性有什么影响？稳定性上 Pre-LN 最好，深层模型默认采用；原始 Transformer 采用 Post-LN，需要 warmup 精调；Sandwich-LN 作为折中方案前后都加。
Q · 怎么把非结构化对话转成可更新的用户偏好、业务状态和任务档案？用抽取、分类、更新三步处理对话：按 schema 保守抽取实体和属性，分库存放偏好、状态与任务，再和旧记录比对，按冲突规则覆盖或合并。
Q · RoPE、ALiBi 和可学习位置编码各有什么优缺点？核心差异在于外推能力与实现成本的取舍。可学习编码绝对查表但无法外推；RoPE 靠内积产生相对位置，配合技巧可扩长，是主流；ALiBi 在注意力分数加惩罚，外推平滑但表达力弱。
Q · GQA 为什么能降低推理成本？它可能牺牲哪些能力？GQA 通过让多个查询头共享一组 KV 头，按共享比例缩小 KV Cache 体积，从而节省显存和带宽。代价是头多样性下降，可能导致复杂推理与细粒度模式捕捉能力退化。
Q · 记忆库规模持续增长，怎么防污染、陈旧信息和检索噪声？用准入控制、定期治理和检索过滤管理记忆库，并持续监控规模曲线、命中率和错误记忆被引用的频率。
Q · 跨会话任务怎么恢复执行状态，同时避免重放已完成的副作用？用状态快照保存目标计划、已完成步骤及结果、未决事项；恢复前按唯一操作 ID 查证副作用，已生效就跳过，未生效再执行。
Q · 事实性幻觉、逻辑幻觉、引用幻觉与指令冲突怎么区分？区分这四者要看错误根因。事实性幻觉是知识缺失，逻辑幻觉是推理断裂，引用幻觉是检索用错，指令冲突是没按要求做。治理它们分别对应RAG、推理链校验、溯源核对与约束层。
Q · 大模型的上下文学习为什么有效？它和参数更新有什么本质区别？上下文学习的本质是将学习变成条件生成，模型通过模式匹配与组合泛化完成任务，不更新参数。参数更新是将知识永久写入权重。频繁变化的知识用上下文学习或RAG，稳定行为用微调。
Q · 多 Agent 共享记忆怎么做版本控制和并发写冲突？共享记忆采用单写入通道控制并发，条目级版本号校验写入，冲突按时间或业务规则合并，读多写少的条目配缓存并在写入时失效。
Q · 跨境电商多语言场景，怎么选基座模型并设计能力评测？选型看目标语言覆盖、电商适配、上下文与成本；评测需按语言独立建集分项测试，严禁英语外推，并增加跨语言一致性检查。
Q · 客服、营销、商家运营、研发助手分别适合 ReAct、工作流还是状态机？按任务确定性选范式：客服多用带检索的工作流，营销用 ReAct，商家运营用状态机，研发助手用带规划的 ReAct；确定性高的任务不要引入 Agent。
Q · 工具执行结果和计划假设冲突时，Agent 怎么修正后续步骤？Agent 先判断冲突属于参数级、目标级还是全局级，再选择就地重试、局部重规划或终止任务，并由 Executor 结构化上报冲突。
Q · 企业知识库里 PDF、网页、表格、扫描件和工单怎么统一解析与标准化？按格式分治解析，再统一到标准中间格式。PDF处理表格双栏，网页去噪抽正文，扫描件做OCR和版面恢复，工单按字段抽。最后全部转为含标题、段落、表格和元数据的统一Schema，再进切分索引。
Q · 怎么设计 Human-in-the-loop，让高风险操作必须审批且可恢复？把支付、对外发送、删除等高风险动作放入审批队列，Agent 暂停等待但不阻塞其他任务，并按动作是否可撤销安排确认顺序和补偿动作。
Q · 商品规则频繁变化，怎么做知识增量更新、版本治理和过期清退？商品规则类知识有强时效性。增量更新靠变更事件驱动，按规则ID先删后增。版本治理需给每条知识打上生效与失效时间，检索时按当前时间过滤。过期清退靠定时任务清理，并联动失效缓存。
Q · 需求模糊时，Agent 什么时候该追问，什么时候按默认值继续？需求模糊先看可逆性和成本：低风险任务按用户历史与业务配置取默认值继续，并展示假设；高风险不可逆任务先问清关键缺失项。
Q · 同一规则在多个国家站点冲突，怎么按时效性、地域和可信度融合？这是一个过滤问题而不是排序问题。首先按地域做硬过滤，不参与相似度竞争。同域内冲突按新版本优先、官方文档高于经验帖排序。跨域冲突直接分别回答，绝不融合。
Q · Agent 部分成功怎么处理：保留有效结果、回滚副作用并继续剩余任务？先按步骤依赖图判断失败影响，保留已完成结果。可补偿的副作用执行补偿并记日志，无依赖的后续任务继续执行，不可补偿且未执行的任务暂停确认。
Q · 查询里同时有 SKU、规则编号和自然语言描述，混合检索权重怎么设计？混合检索不要调权重，要分层处理。精确标识符走关键词倒排做结构化过滤，自然语言走向量召回。先按标识符缩小候选集，再用语义相似度排序。
Q · Skill、Tool、Workflow 和 Agent 的边界是什么？企业能力怎么封装？Tool 是单个操作，Workflow 是固定编排，Skill 是任务知识与流程包，Agent 是自主决策循环；企业把能力沉到 Tool 与 Workflow，把经验沉到 Skill，只在必要处引入 Agent。
Q · 多 Agent 的消息协议应包含哪些字段？怎么保证可追踪可重放？消息协议要记录消息身份、通信双方、任务归属、结构化内容、时间、因果关系，并用任务日志和顺序重放保证可追踪、可复现。
Q · 多 Agent 系统怎么避免循环委派、重复执行和 Token 成本失控？要同时管住委派路径、任务认领和 Token 预算：记录派发链路识别循环，全局登记任务结果避免重复，并用分层配额和摘要控制成本。
Q · 多轮对话的训练数据怎么表示角色、状态、工具调用和最终答案？把多轮对话整理成带角色的消息序列，把工具调用、工具返回和状态变化都插入上下文，只对 assistant 消息计算损失。
Q · 过程奖励模型怎么设计？怎么防止模型迎合评审器而不是完成真实任务？过程奖励模型按步骤评分，给长链路更密的信号；同时把评审器和执行器解耦，用结果奖励和人工标注校准，盯住过程分与结果分的相关性，防止模型迎合评审器。
Q · Qwen 系列模型怎么选 vLLM、SGLang 或其他推理引擎？默认用 vLLM，结构化输出和复杂解码需求优先试 SGLang，只有在追求极限性能时再考虑 TensorRT-LLM，并评估工程门槛与硬件绑定。
Q · 多模型网关怎么按任务难度、SLA、价格和安全等级动态路由？先按任务类型粗分，再结合用户SLA与预算选择模型；敏感场景强制指定模型，并用小模型判断难度，实时权衡价格与延迟，配合超时降级和按路由维度记账。
Q · 模型和 Prompt 升级怎么做灰度、影子流量、回滚和会话粘性？先按流量百分比或租户灰度并监控核心指标，再用影子流量对比输出质量；指标越线自动回滚，且让同一会话固定版本。
Q · Agent Infra 和之前的 Agent 应用开发有什么区别？Agent 应用开发面向单个业务，关注提示词、工具和效果；Agent Infra 面向平台，为所有 Agent 提供公共底座，解决规模化生产问题。
Q · 外部工具不稳定时，怎么保证任务最终一致性，避免重复扣款或重复发货？用唯一请求键实现幂等，超时后先查询操作状态再决定是否重试，并通过异步对账发现意图与实际结果的差异，再进入补偿或人工处理。
Q · AI Agent 里上下文工程和记忆管理是什么关系？各自的核心作用？上下文工程决定本次调用模型能看到什么，记忆管理负责跨会话信息的写入、检索与淘汰；记忆向上下文提供相关条目，一个管瞬时视野，一个管长期资产。
Q · 上下文超出限制时，采用什么处理机制？采用分层机制：先按策略截断，再摘要压缩历史，把工具结果外置并按需回取，仍无法满足时换长上下文模型或分治拆任务。工程上分别处理对话、工具结果和检索内容。
Q · 影响 AI Agent 上下文容量的因素有哪些？AI Agent 的上下文容量本质上是预算管理问题，既受模型窗口大小和有效注意力长度限制，也取决于提示词、历史、检索、工具结果、生成预留的分配，以及单请求成本和延迟。
Q · 为游戏运营设计一个有界 Agent，哪些步骤交给模型，哪些写成确定性 Workflow？原则是把创意和理解交给模型，把规则和执行写成确定性 Workflow，并让所有动作建议先过规则引擎，再进入执行环节。
Q · Planner-Executor 架构什么情况下优于单 Agent ReAct？任务长且步骤多、子任务可并行，或需要预算与进度管控时，Planner-Executor 通常更合适；超过十步或需要并行拆分，就是先规划的明确信号。
Q · Agent 执行到一半被中断，怎么通过 Checkpoint 安全恢复？Checkpoint 要记录任务目标与当前计划、已完成步骤及结果、未决状态。恢复时先校验外部副作用，再跳过已完成步骤，继续未完成部分。
Q · 模型输出置信度不可直接相信时，系统怎么决定重试、拒答还是转人工？不要直接使用模型自报的置信度，而要结合多采样一致性、检索支撑度和校验器结果判断答案是否可靠，再按错误是否可修复、证据是否充分和场景风险选择重试、拒答或转人工。
Q · 怎么构建 Agent 轨迹评测集，同时评估最终结果与中间步骤？把 Agent 轨迹按结果层和步骤层分别标注、分别评分，再用失败样本定位走歪的步骤，并持续回流 bad case 防回归。
Q · 内容助手类系统怎么满足数据最小化、权限控制和全链路审计？只采集业务必需字段，先脱敏再进入模型；按角色和场景注入检索限制，并记录每次访问、调用和外部动作，支持导出合规报告。
Q · 模型输出有随机性，怎么设计可重放的 Trace 和事故复盘机制？记录完整输入、每步模型原始输出、采样参数与种子及外部工具响应快照；按任务 ID 聚合，固定输入流和快照重放，再定位分歧步骤并对比预期行为。
Q · 怎么做模型、Prompt、知识库、工具和评测集的联合版本管理？把模型、Prompt、知识库、工具和评测集视为一个版本组合管理。每次请求记录五元组，发布绑定组合版本，评测通过后切流量，回滚也按组合回退。
Q · 用户量从 100 涨到 10 万，Agent 服务的主要扩展瓶颈在哪？主要瓶颈会按排队顺序出现：先是模型推理并发和 GPU 吞吐，再是工具与检索下游 QPS，最后是状态和记忆存储；应先压测定位，再分层扩容。
Q · 怎么设计任务队列，让长任务可取消、可恢复且不重复产生副作用？用状态机管理任务，用检查点读取取消标记，用步骤级日志保存进度；恢复时先查幂等键对应的外部操作是否已生效，再决定是否执行，避免长任务中断后重复产生副作用。
Q · 广告投放需要多个 Agent 时，怎么划分角色、共享状态和完成条件？按职能拆成洞察、方案、审核三个 Agent，共享状态放进集中任务看板，不做点对点传递；各自定义交付物，由编排方判定整体完成，审核保持独立。
Q · Orchestrator-Worker 和去中心化协作分别适合什么任务？先看任务有没有天然的分解与汇总结构：有就用 Orchestrator-Worker，由中心统一分派和整合；没有就考虑去中心化，让多个 Agent 平等提案和投票。
Q · 多 Agent 并行分支一个失败其他成功，汇总节点怎么处理？先判断失败分支是否是汇总必需，再决定重试或降级；非必需就用成功结果汇总，并标明缺失与失败原因，禁止静默丢弃。
Q · Agent 的 thinking 阶段怎么决定调用工具还是直接回复？先看信息是否充分，再权衡工具调用的风险与成本，并结合任务类型决策；可让模型显式判断，也可用轻量意图分类器配合规则兜底，后者更稳。
Q · 金融风控场景，工具 Schema 怎么设计以降低参数错误和工具误选？参数要严格约束，工具要写清边界和差异，高风险金额还要强制二次确认。
Q · 远程 MCP Server 怎么设计鉴权、授权、审计和租户隔离？远程 MCP Server 要先在连接层用 token 或 OAuth 验证客户端身份，再由 Server 按身份决定工具和资源权限；同时记录每次调用，并按租户隔离数据与配额。
Q · 工具有转账、发消息这类副作用时，怎么实现幂等与人工审批？给每次副作用操作绑定任务 ID 加步骤 ID 的唯一业务键，服务端重复请求返回首次结果；可逆操作自动执行并事后审计，不可逆操作先审批，超时默认拒绝。
Q · 微信客服的 RAG，怎么在 BM25、向量检索和混合检索之间选型？微信客服默认选混合检索：精确查询靠 BM25，口语描述靠向量；两路召回用 RRF 融合，再做重排精排。资源不足先砍重排，再按查询形态退到纯向量或 BM25。
Q · Reranker 放在召回链路的什么位置？候选数量怎么确定？Reranker 放在召回之后、生成之前，先合并多路召回结果，再用交叉编码器精排出少量候选进入上下文。
Q · 知识库高频更新，怎么做到增量索引、原子切换和不停服？用变更事件驱动文档级增量更新，先删旧 chunk 再写新 chunk；用双索引和别名一次切换，旧索引持续服务，缓存按版本隔离。
Q · 什么时候该用 GraphRAG，而不是普通向量 RAG？多跳关系推理或文档整体趋势总结优先考虑 GraphRAG；单点事实查询用普通向量 RAG。最终看多跳与全局问题占比，权衡图谱构建、实体处理和维护成本。
Q · 检索证据冲突、过期和权限不一致怎么处理？我会先区分冲突、过期和权限不一致：冲突比较时效性与来源可信度并标注分歧，过期按生效时间过滤，权限在检索层先判定。
Q · 多 LoRA Adapter 在线服务，怎么隔离、切换和控制显存？基座常驻显存，Adapter 按需热加载；请求携带标识，调度按 Adapter 分组或支持批内混 LoRA；用常驻上限和 LRU 控显存，网关按业务隔离权限、配额与版本。
Q · 云端大模型不可用时，边缘或小模型降级链路怎么保证基本功能？按主模型、备用区域或备用模型、本地小模型、规则与 FAQ 模板分级降级，同时砍掉复杂任务，保住高频简单查询，并提前演练。
Q · 金融风控构造 SFT 数据，怎么覆盖难例并避免数据泄漏？难例从拒贷申诉、审批改判和边界额度案例中挖掘，按拒绝原因分层采样并标注依据；训练评测按时间和客户切分，先脱敏，再复核并保证样本可追溯。
Q · RMSNorm 和 LayerNorm 的核心差异是什么？部署时怎么取舍？LayerNorm 计算均值和方差，RMSNorm 只计算均方根，省去均值计算和一次遍历。多数任务效果相当，后者更快、显存略省；从零训练选后者，已有前者权重不必改造。
Q · 多路检索结果怎么高效实现 Reciprocal Rank Fusion？用 RRF 按各路排名倒数累加文档得分，再用哈希表聚合、排序取 Top-K；k 常取 60，无需归一化相似度分数。
Q · 知识源是 API 文档、日志、DDL、Wiki 这几类，最难处理的是哪类？日志最难处理：它无结构、量大、时效敏感，还可能含敏感信息；相比之下，API 文档适合模板化解析，DDL 可直接图谱化，Wiki 半结构化。回答时应先对比，再讲日志的处理链。
Q · 海量向量查 Top-K 近邻，精确检索和近似检索怎么取舍？精确检索结果完美，但延迟随数据量线性增长；百万级以上通常选 HNSW 或 IVF，再根据延迟 SLA 和召回率调参数。
Q · 知识入库前做了哪些预处理？各步骤分别解决什么问题？知识入库前通常经过格式解析、清洗、结构化抽取、语义切分和元数据标注，分别处理格式异构、数据质量、内容结构、检索单元以及过滤审计问题。
Q · Top-K 已召回正确证据，模型还是答错了，怎么判断问题在哪层？先隔离检索层和生成层：用 Hit@K 与人工检查确认证据是否命中，再判断模型是没用证据、推理错误还是指令跑偏，并按类型修复。
Q · 检索结果互相冲突或证据不充分时，怎么约束模型？用冲突证据约束模型呈现分歧并按可信度、时效性取舍；证据不足时做置信度门控，拒答或追问，并让每条结论绑定证据编号。
Q · NL2SQL 的工具 Schema 怎么设计，才能降低参数错误和工具误选？把表名和列名做成基于元数据的封闭枚举，前置校验类型与格式，并拆分生成和执行工具，再用权限规则控制执行。
Q · 你这个 Agent 是问答型、决策型还是执行型？边界是什么？Agent 按输出对象定型：给人信息是问答型，给系统选择是决策型，改变外部状态是执行型；面试先说明项目类型，再讲边界，执行型必须配权限、幂等和审计。
Q · 不用 Agent，只用规则、检索、模板 SQL 能做到几成效果？为什么还要上 Agent？先用规则和检索覆盖高频标准场景，七成以上的问题不必调用 Agent；再把 Agent 留给长尾、需要组合推理、多步依赖和意图模糊的部分，按难度分层。
Q · 为地图问答设计一个有界 Agent，哪些步骤给模型，哪些写死？模型负责理解口语问题、生成结构化查询意图并组织多结果表述；检索、路径、数据查询、限速合规和所有数字都由确定性引擎负责。
Q · 从用户输入到最终输出，你这套系统的真实链路是什么？哪些环节必须用大模型？链路按规则、分类、检索、生成、审核拆开，只有复杂意图理解和最终生成用大模型，其余用规则、小模型或检索，控制成本、延迟和稳定性。
Q · LLM-as-a-Judge 的 rubric 怎么设计？哪些维度是硬门槛，哪些是加分项？Rubric 分硬门槛和加分项：先用规则判事实、安全、相关性和格式，命中一项就低分；模型再按完整性、结构、简洁度和引用规范连续评分，并用正反例与人工抽样校准。
Q · 为什么要做一致性检测和 swap consistency？防的是哪类偏差？一致性检测和 swap consistency 用来确认评测结论是否稳定，主要防止裁判偏好第一个选项的位置偏差，以及模型受选项呈现顺序影响的顺序依赖。
Q · 大项目里来了一个新需求，加一个新功能的工作流是怎样的？先拆需求并评估会影响哪些模块，再为新功能建立评测集，定义做对的标准。实现时只做必要改动，经过评测回归和小流量验证后上线，同时监控新功能与存量功能的指标。
Q · 模型上下文长度和知识切片长度，这两个概念怎么区分？上下文长度是模型一次处理的总 token 预算，知识切片长度是单个检索单元的 token 数；召回内容还要和历史、提示词、生成预留共同占用上下文。
Q · Temperature、Top-k、Top-p 分别怎么影响生成？NL2SQL 场景怎么设？Temperature 控制分布平滑度，Top-k 限候选数量，Top-p 按累积概率自适应截断；NL2SQL 应降低随机性，并用语法校验兜底。
Q · 你的 SFT 本质上在教模型什么？教知识、风格还是行为边界？SFT 主要教模型稳定的输出风格和行为边界，而不是把知识硬塞进参数；知识更新快、参数化成本高，知识更适合用 RAG，数据应多数围绕边界设计。
Q · DPO 的 chosen 和 rejected 差异太小，会发生什么？差异太小会让偏好信号变弱，梯度方向不稳定，训练在两答案间摇摆，收敛变慢甚至不收敛，模型还可能学到噪声而非真实偏好。
Q · 怎么证明 rejected 是有效负样本，而不是误杀？用来源可溯、人工盲评和对照重训三层验证 rejected，先确认拒答理由可靠，再看误杀率，最后看替换后效果是否变差。

这个分类还在施工中（规划 8 篇）。先去 面试间 看已上线的 2483 篇。

其他分类

13 个

LLM 基础概念

195/14

Transformer、Token、上下文窗口、采样参数、MoE 这些地基题。看起来简单，答得干净利落反而最能体现基本功。

100%

RAG 检索增强

590/14

从文档到答案的整条链路：Embedding、分块、多路召回、重排、缓存与权限。答这类题要先说清链路分层，再讲每一层你踩过的坑。

100%

Agent 架构

261/11

ReAct 循环、规划与反思、记忆系统、整体设计。面试官最想看的是你能不能说出「为什么这么拆」，而不是背框架名字。

100%

工具调用

92/13

Function Call、MCP、A2A、Skills，以及工具过百之后的注册、发现、路由与 Schema 设计。落点永远在「准确率抓在哪个环节」。

100%

多智能体

87/4

角色切分、消息协议、状态同步、冲突仲裁。拆多 Agent 不是人多力量大，是上下文稀缺和角色混乱逼出来的工程选择。

100%

记忆系统

1/3

工作记忆、情景记忆、语义记忆、程序性记忆怎么分，什么信息值得写入，冲突怎么覆盖合并，遗忘怎么设计。

33%

评测与可观测

100/6

非确定系统的回归测试、Golden Set、LLM 裁判校准、trace 埋点与可观测性。核心是别让被测者改自己的分数。

100%

项目实战与企业级

786/8

从 demo 到生产的差距：私有知识、权限边界、可审计、业务集成、成本可控。项目题八成问的是这五件事。

100%

训练与微调

309/13

SFT、LoRA、RLHF、DPO、GRPO、蒸馏与数据工程。答这类题的关键是讲清楚每一步在优化什么、数据从哪来。

100%

推理与部署

5/15

KV Cache、vLLM、量化、批处理、并行策略与显存估算。面试官用这些题判断你是只调过 API，还是真部署过模型。

33%

多模态

55/6

VLM 怎么看图、视觉 Token 的开销、文档解析与视频理解。专项岗的重点，应用岗的加分项。

100%

提示工程

1/6

CoT、Few-shot、结构化输出、系统提示词与注入防护。不是玄学，是可以拆解、可以回归测试的工程方法。

17%

安全与合规

1/5

内容安全、提示词泄露、数据合规与自动执行防护。企业落地必问，很多人答不出体系。

20%

培养能解决真实问题、能落地的 AI 人才。训练营以实战为核心——面试题里的答案，在开源项目和论文里亲手做出来。

查看学习路线全部题目