AI 常见面试题整理

这里整理 AI、RAG、LangChain、Agent 和 LLM 应用工程相关的常见面试题。

这类面试题通常不只考概念，还会追问：为什么这样设计、如何落地、如何评估效果、出了问题怎么排查。

知识地图

AI 应用面试复习路径

模型基础Token、上下文、幻觉、微调

->

知识增强Embedding、向量库、RAG、rerank

->

应用编排LangChain、工具调用、Agent

->

生产落地评估、权限、成本、延迟、安全

AI 应用面试最看重“能不能把模型能力稳定接进业务”。

题目分类

• AI 与大模型基础
• RAG 高频题
• Embedding 与向量检索
• LangChain 高频题
• Agent、工具调用与工作流
• AI 应用工程实践
• 多模态模型
• 模型微调、LoRA 与蒸馏
• 知识图谱
• LLMOps
• AI 安全

推荐复习顺序

1. 先理解 LLM、Token、上下文窗口、幻觉、微调等基础概念。
2. 再看 RAG 和向量检索，这是企业知识库、智能客服、文档问答的核心。
3. 接着看 LangChain、Agent 和工具调用，理解应用编排方式。
4. 最后看评估、成本、延迟、安全、LLMOps 和上线实践。

面试答题模板

回答 AI 应用类问题时，可以按这个结构：

1. 先给结论
2. 说明适用场景
3. 讲清楚核心流程
4. 补充评估和风险
5. 结合项目落地经验

例如回答 RAG：

RAG 是把外部知识检索和大模型生成结合起来，适合企业知识库、文档问答、客服问答等需要引用私有或更新知识的场景。核心流程是文档切分、Embedding、向量入库、检索、重排、组装上下文、调用模型生成答案。上线时要重点评估召回率、答案准确率、引用来源、延迟和权限隔离。