职位题库

AI开发工程师面试题库

面向AI开发工程师相关面试,围绕技术选型、项目经验、RAG、系统设计、Workflow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。

30 道题目建议用时 90 分钟专项面试练习

全部题目 30 道题

25

请说明项目Agent如何编排、LangGraph的state如何设计、多轮对话如何处理以及如何构建条件边。

考察候选人对Agent编排框架LangGraph的实际使用经验和设计能力。
26

请选一个你做得最好的AI应用项目,完整讲一遍从用户输入到最终输出的全流程,并把核心功能串起来。

考察候选人能否把项目讲成可运行的端到端系统,而不是罗列技术名词;同时验证其对输入、处理、输出各环节及生成位置的掌握程度。
27

你的RAG知识库是怎么搭建的?从文档上传、切分、存储到检索召回,完整讲一下处理流程。

考察候选人对RAG链路的真实掌握程度,包括切分策略、存储方式、检索方式与召回后处理,判断其是否真正落地过而非只会调包。
28

既然用户已经明确指定了两份文档,为什么不直接把完整文档交给大模型,而要引入RAG?引入RAG实际解决了什么问题?

考察候选人是否理解RAG的适用边界,能否从上下文长度、成本、精度、可追溯性等角度论证技术选型,而不是默认套用RAG。
29

项目中的工作流是怎么设计的?为什么选择按业务逻辑实现,而不是使用LangChain、LangGraph等现成Agent框架?

考察候选人对工作流编排的理解与框架选型能力,关注其能否说明自研与框架的权衡,以及执行状态记录方式。
30

项目中的Workspace工作空间隔离具体指什么?不同用户或工作空间之间的数据如何隔离?

考察候选人对多租户与数据隔离的理解,关注其能否从存储、检索、权限和部署层面说明隔离方案。
返回面试题库