职位题库

AI应用开发工程师面试题库

面向AI应用开发工程师相关面试,围绕RAG、Agent、系统设计、技术选型、Java并发等主题展开练习,结合题目考察点、回答思路、参考答案和常见误区,梳理知识要点并练习清晰表达。

236 道题目建议用时 708 分钟专项面试练习

全部题目 236 道题

205

请讲一下RAG的整体流程。

考察候选人对RAG端到端链路的理解是否完整,能否说清各阶段职责与关键设计点。
206

你的Agent接入了哪些MCP?如何决定调用哪个MCP?

考察候选人对MCP协议的实际使用经验,以及工具路由与选择策略的设计能力。
207

结合意图澄清,讲一下如何提高回答的准确率。

考察候选人是否理解“先澄清再回答”的产品与技术设计,以及准确率优化的系统方法。
208

大模型工具调用失败时怎么处理?

考察候选人对Agent运行中异常路径的设计能力,是否具备工程化容错思维。
209

多轮对话中上下文怎么处理?长短期记忆怎么做?

考察候选人对上下文窗口管理与记忆分层机制的设计能力。
210

请介绍你简历中的Agent项目:它面向什么场景、解决什么问题、整体架构如何?

确认候选人能否清晰说明项目背景、目标用户、核心链路与个人贡献,判断项目真实性和架构理解深度。
211

Agent内部做了领域路由,如果路由模型分错或语义模糊导致误分到别的领域,是否就无法挽回?你会如何设计兜底?

考察候选人对路由错误的识别、兜底与可恢复设计,是否具备线上系统思维。
212

你如何发现Agent的准确性问题,并对badcase做归因分类?

考察候选人是否具备从发现问题到归因分类的完整质量闭环能力。
213

如果要把badcase发现和排查流程进一步自动化,你会在哪些点做优化?

考察候选人能否把人工排查流程拆解为可自动化的工程环节,并权衡成本与收益。
214

这个项目里workflow和Agent循环是怎么分工的?为什么这样划分?

考察候选人对确定性编排与自主决策循环的边界理解,以及架构取舍能力。
215

请简单做一下自我介绍,重点介绍项目经历。

考察候选人能否在有限时间内结构化呈现与岗位最相关的项目经历,突出个人贡献、技术选型与结果,而非流水账。
216

在第一个项目的判题链路中,SymPy 负责什么?大语言模型负责什么?

考察候选人是否理解符号计算与生成式模型在判题链路中的能力边界、协作方式和可靠性设计。
返回面试题库