职位题库

AI后端开发工程师面试题库

面向AI后端开发工程师相关面试,围绕系统设计、Agent、AI应用、上下文管理、Memory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。

13 道题目建议用时 39 分钟专项面试练习

全部题目 13 道题

01

讲一下AI题目的思路,设计方案怎么写的,什么流程,什么内容?

考察候选人能否清晰阐述AI项目的设计思路、流程和方案内容,评估其系统设计能力和对AI应用落地的理解。
02

图片编辑那个工作调研了多少模型?

考察候选人在图片编辑项目中模型调研的广度、深度以及选型依据。
03

讲一下模型评测elo那个,到底是怎么pk的?

考察候选人对ELO评分机制在模型评测中应用的理解,包括PK流程、评分更新和结果解读。
04

不同模型在不同提示词下会有不同的效果,测试的时候准备了多少组提示词,到底怎么测试的?

考察候选人在模型测试中提示词的设计、测试流程和结果分析能力。
05

智能oncall agent这个项目,上下文记忆怎么做的?

考察候选人在智能oncall agent项目中上下文记忆的设计与实现,评估其对记忆机制、压缩策略和工程落地的理解。
06

请介绍车抵贷多证件解析项目,以及完成率从 83.6% 提升到 92.5% 具体做了哪些优化?

考察候选人在实际项目中的优化能力、对指标提升的贡献以及数据驱动的思维。
07

请介绍 ______ 中 Planner、Executor 和 Critic 的设计,以及 Critic 发现证据不足后定向补证是如何实现的?

考察候选人对 Agent 工作流中核心组件设计的理解,以及如何处理证据不足和补证逻辑。
08

代码审查题:检查一段 RocketMQ 消费者的 onMessage 代码,找出其中的问题,并说明长时间消息消费可能产生哪些影响?

考察候选人对消息队列消费机制的理解,包括消费超时、重试、重复消费、线程占用和消息积压等问题。
09

请做自我介绍。

快速了解候选人的技术背景、项目经历与AI后端岗位的匹配度,并考察其表达是否结构化。
10

选一个最熟悉的项目,讲清输入、关键模块、数据流、输出、难点,以及如何验证正确性。

考察候选人能否结构化描述系统全貌,理清模块边界与数据流,并具备正确性验证意识。
11

将模型生成的代码放进沙箱,就一定安全吗?还有哪些潜在风险?

考察候选人对代码执行沙箱安全边界的理解,能否识别逃逸、资源滥用、数据泄露等风险。
12

Agent调用工具超时后能直接重试吗?应该如何处理?哪些操作是幂等的?

考察候选人对超时语义、幂等性和重试策略的理解,能否区分可重试与不可重试操作。
返回面试题库