AI 工程面试问题记录

本文最后更新于 2026-08-14

这篇文章记录 AI 工程方向学习、项目复盘和交流过程中遇到的问题，按主题持续归类和补充。可以结合右侧目录快速定位，也可以把每个问题当作一次简短的口述练习：先说明概念，再讲选型依据、工程实现、异常处理和量化结果。

Agent 架构与设计

基础概念

  • AI Agent 和 LLM 的本质区别是什么？
  • 什么是智能体？在 RAG 中如何应用？
  • 多 agent 系统与函数调用的区别是什么？
  • Agent 当中的 BDI 模型是什么？

架构选型与框架对比

  • LangChain 和 LangGraph 有什么区别？各自优缺点？
  • LangChain、LangGraph 使用的版本？版本演进带来了什么变化？
  • LangChain 和 LangGraph 的缺点分别是什么？
  • 为什么要用多智能体而不是单智能体？单个不行吗？
  • 多智能体架构都有哪些？有什么区别？有几类？
  • 在项目中如何选择和落地多 Agent 架构？
  • 多智能体的自主规划任务怎么做的？
  • Deep Agent 跟 LangGraph 有什么区别？Deep Agent 底层是用什么做的？
  • OpenClaw 跟 LangGraph 有什么区别？架构上有什么区别？
  • 规划器、记忆系统、工具层，哪个是你独立开发的？哪个是用成品？
  • Agent 架构中哪些自研、哪些用开源成品？
  • 为什么没有采用 Agent Team 而是 Multi-Agent？两者本质区别是什么？
  • NL2SQL 为什么选择 supervisor 设计模型？

State 设计与通信

  • LangGraph 的 State 是怎么设计的？每个 Agent 的 State 包含哪些内容？
  • 子 Agent 希望状态共享，但是又不希望互相影响其他 Agent 的状态——怎么实现？
  • State 共享但互不影响的方案有哪些？
  • LangGraph 的状态转移怎么做的？
  • LangGraph 的智能体用代码是如何创建的？
  • “设计的分区状态和节点读写边界”是什么意思？
  • 多 Agent 之间如何协同？状态隔离具体怎么做？
  • 多智能体之间如何传递信息？

Agent 模式

  • ReAct / Workflow / Plan-and-Execute 三种模式的区别和选型场景？
  • CoT / ToT / ReAct 你哪个更熟悉？三种推理范式有什么区别？
  • Function Calling 和 ReAct 框架有什么区别？
  • Workflow vs ReAct 的场景区别？
  • Plan-and-Execute 模式下多轮回顾时任务状态丢失怎么解决？
  • Agent 执行机制的完整链路——从用户请求到最终结果？
  • 哪些步骤交给大模型判断？哪些由确定代码控制？
  • Agent Loop 是什么？

Supervisor 与子 Agent

  • 主 Agent 在框架里的定义是什么？做什么、不做什么？
  • Supervisor Agent 起什么作用？是分配任务给下面吗？
  • 主 Agent 的图结构？子 Agent 的图结构？节点和流转关系？
  • LangGraph 完整链路是什么？Supervisor 怎么调用各个 Agent？
  • 子 Agent 处理失败怎么办？完整异常处理流程？

Agent 稳定性与异常处理

长链漂移

  • ReAct 中的长链漂移过往怎么解决？

噪音与上下文污染

  • 多个 Agent 如何解决”噪音问题”（谁在说话/责任人识别）？
  • 上下文污染怎么解决？
  • 上下文注入与隔离策略怎么做的？

循环与死循环

  • 多智能体 Planning 中的死循环与重复调用如何解决？
  • ReAct 模式下循环调用/死循环的解决策略？

工具调用异常

  • 工具返回结果不规范（字段缺失、格式不对），如何让 Agent 不崩？
  • 模型工具调用生成错误参数，一般怎么处理？
  • 工具挂了，是重试还是换工具？什么策略？
  • 校验之后的决策由谁来做？

Human-in-Loop

  • LangGraph 的 Human-in-Loop（中断恢复）机制原理？
  • 有没有 Human-in-Loop 的实际应用？

数据库负载

  • SQL 生成可能导致数据库负载突然变高——有没有应急方案？
  • 监控发现问题后具体怎么处理？
  • 系统识别到用户没有权限访问数据——只是告知还是做跳转和工具调用？

日志

  • Agent 项目哪些日志必须要记录？

记忆系统

概念与架构

  • 怎么来区分长短期记忆？
  • 在实现短期、中期、长期记忆的方式有哪些？
  • 记忆系统怎么分层设计？长期记忆、短期记忆怎么设计？
  • 上下文是怎么管理的？和记忆有什么区别？
  • 偏好注入怎么管理的？
  • 岗位画像是什么意思？跟记忆有关系吗？属于提示词的一部分？
  • 语义相似度会话关联算法怎么做的？

技术方案

  • 关于长短期记忆，开源的方案你都了解哪些？
  • 短期记忆和长期记忆的实现，具体采用了什么技术方案？
  • 短期记忆是怎么做的？上下文超长呢？摘要以后放哪里？
  • 长期记忆怎么设计的？短期转长期的策略是什么？
  • 长短期记忆用什么存？Redis/Mem0 分别起什么作用？
  • 在记忆存储性能优化方面，你们做了哪些具体工作？

上下文管理

  • 上下文爆炸怎么解决？
  • 长上下文怎么处理？
  • 上下文控制有没有采用 Harness 里的策略？
  • 多轮对话怎么处理？Redis 和 Mem0 怎么配合？记忆怎么设计的？

验证与问题定位

  • 记忆机制优化时碰到最大的问题？印象最深的幻觉？
  • 怎么判断问题是记忆导致的？怎么验证记忆优化上线后有效果？
  • OpenClaw 群聊和单聊的差异经验能移植到 DataAgent 吗？
  • 选型时怎么做对比测试？测试用例怎么来的？

技能记忆

  • 有没有考虑过 Skill Memory（技能记忆）？

Function Calling / MCP / 协议

Function Calling

  • Function Calling / Tool Calling 的完整流程是什么？至少几次模型调用？分别做什么？
  • Function Call / MCP 概念理解
  • Function Call 的 HTTP 协议——System/User/Assistant/Tool 四种 role 分别是什么？
  • 天气 API 调用场景中至少有几次模型调用，分别做什么？

参数处理

  • 参数抽取错误如何处理？
  • 用户自然语言描述与数据库字段名不一致（语义鸿沟），精确查询查不出来，怎么解决？
  • 同义词表/向量匹配的思路讨论
  • 意图识别的具体实现中，你们如何处理槽位填充和用户口语化表达？

MCP 协议

  • Agent MCP 是什么？有什么用？
  • MCP 服务/后端接口处理时间很长，如何让智能体更健壮？
  • MCP 是本地的还是远程的？怎么封装的？
  • 解释一下 Agent 协议 A2A 的概念。

工具工程

  • 平时写 MCP 和 Skill 吗？
  • Tool Calling 具体工程实现？工具在哪注册？怎么定义？
  • 有没有做成平台化的工具管理？
  • 工具调用失败怎么处理？

Prompt 工程与 Harness

Prompt 设计

  • 提示词工程中，提示词的维度有哪些？
  • 如何写稳定的 Prompt，保证业务回复稳定？
  • 如何编写稳定的 Prompt？
  • 固定化场景是否考虑过固化为脚本（Python/Shell）而非每次动态生成？

Skill 系统

  • OpenClaw 如何感知并选择 Skill？
  • 如何生成、测试和维护一个业务 Skill？
  • Skill 的设计思想？渐进式披露什么意思？

版本管理与缓存

  • 提示词需不需要做版本管理？为什么？
  • 如何做提示词缓存和结果缓存

Harness

  • Harness Engineering 和 Loop Engineering 之间的区别是什么？
  • Harness 工程在你们项目里做了哪些？
  • Prompt 注入怎么防御？

Cloud Code

  • Cloud Code 的 MD / Agents MD 你会往里面写什么？
  • Cloud Code 和 Codex 用的是原版模型吗？

RAG 文档处理

解析全链路

  • 以 PDF 为例，一步一步讲解析流程
  • PDF 用什么工具解析？输出是什么？
  • RAG 主要处理哪些文档格式？
  • 文档里包含哪些元素类型（文本/表格/图片）？
  • 文档是扫描件还是非扫描件？
  • 解析成 Markdown 之后，表格、图片是怎么处理的？
  • 图片是怎么从 PDF 中取出来传给 VLM 的？
  • 取图片的坐标范围是怎么得到的？
  • 是否对 MinerU 做过二次开发？在哪一步做的？
  • 是在 MinerU 基础上做了优化还是直接用？
  • 文档处理的时候都有遇到什么样的问题？
  • 文档处理时间？更新频率？增量更新怎么触发？
  • 针对每份文件都做定制化处理？
  • 复杂结构文档——有外链/图片/视频怎么处理？
  • 人工校验比例大不大？

切块策略

  • 分块方式？（父子块）
  • 父块/子块的长度怎么定？为什么不是固定值？
  • 文档切块，父子块的区别如何定义的？
  • PDF 切片怎么做？父子块策略？
  • 文档类型怎么区分处理？法律条款和普通文本策略一样吗？

表格专项

  • 跨页表格如何处理
  • 怎么处理跨页表格
  • 跨页表格超过 1500 字符怎么办？
  • 表格怎么处理？嵌套表格？跨页表格？
  • 有没有碰到嵌套式表格？
  • 表格数据解析之后是放到向量里面吗？流程是怎样的？

增量更新与版本控制

  • 同一文档增量更新怎么识别？（MD5/哈希/向量相似度）
  • 政策类文档版本控制怎么做？
  • 版本控制是第一优先级吗？旧文档权重会不会比新文档高？怎么防止旧文档因为相似度高被优先召回？
  • 如何将包含图片和文字的 HTML 报告，转换为内容保持不变的 Word 或 PDF 文档？

RAG 检索与生成

向量库与索引

  • 向量库选型？用 Milvus 的什么能力？
  • 索引类型怎么选？为什么不用 Flat？
  • 稀疏向量的索引类型？
  • 在 RAG 系统的向量索引部分，HNSW 索引的宽度（efConstruction 或 M）参数设置为多少？
  • Milvus 的索引核心机制是什么？
  • 向量数据库的特点是什么？
  • HNSW 了解吗？分层索引设计的本质目的是什么？
  • Milvus 怎么部署的

检索策略

  • 混合检索怎么做？流程是怎么样的？
  • 混合检索——稠密+稀疏向量？召回率从 35% 提升到 80% 怎么做到的？
  • 多路召回中如何在准确性和速度两者中平衡
  • 向量检索和关键词检索分别适合什么内容？
  • BM25 跟向量检索，他们各自的优劣势
  • 检索的时间，时间上你们怎么去做优化的？
  • 多层索引召回是什么意思？为什么分层？
  • 并发有试过吗？QPS 多少？

Query 改写

  • 意图识别、多轮对话补全、Query 改写的编排顺序？
  • 多轮对话补全用槽位还是上下文？
  • Query 改写有哪些策略？什么时候用 HyDE？
  • HyDE 请解释
  • 有没有出现过使用 HyDE 后效果反而变差了？
  • 改写是靠模型本身的能力还是需要专业知识？
  • 问题改写有哪些维度？metadata 过滤有哪些维度？

Rerank

  • rerank 模型的选择基于什么考量的？
  • rerank 模型是放在 RRF 之前还是之后

图数据库

  • 图数据库什么场景用？为什么选图库？存的什么？
  • 图数据库 + 向量库联合检索的完整流程——举一个具体的例子，从用户问题到最终结果
  • 为什么用 Hybrid Search（图+向量）而不是只用向量？

幻觉防控

  • 如果 RAG 系统检索出来的答案有幻觉或者不符合预期，你会怎么处理？
  • RAG 如果检索不到相关的信息怎么办？

多租户与性能

  • RAG：每个用户都可以上传文件构建自己的小知识库，用户量非常高，文档有简单的也有复杂的，解析速度不同。设计方案或优化思路？
  • 端到端回答准确率怎么理解？

评测体系

RAG 评测

  • 如何评估 RAG 系统的性能？
  • 如何评估 RAG 系统的召回率？
  • 在开发过程中，如何评估 RAG 系统的性能
  • RAG 怎么评估？RAGAS 四大指标？
  • 召回率和准确率这块怎样做评估？

Agent 评测

  • 智能体开发完后评测需要评估哪些指标？
  • Agent 评测怎么做？评测哪些指标？
  • 评测与反馈闭环是你做的吗？Evaluation Harness 的执行流程是什么？
  • 评测机制怎么做？离线评测和在线评测怎么区分的？
  • 离线评测和在线评测怎么区分？
  • 评测与反馈是靠人工筛查吗？
  • 模型会不会自行整理这些问题？
  • 发现问题后一般怎么优化流程？
  • 输出评估（图表、报告）是人工还是模型层？

数据集构建

  • 评测数据集怎么构建？怎么保证覆盖度？
  • 测试集有多少条？怎么分布的？怎么判断覆盖度？
  • 给你一个新场景，从零构建测试集的完整方案是什么？
  • SOP 对 Agent 的测试集构建有帮助吗？
  • 评测问题收集是谁收集的？怎么保证全面？
  • 数据集怎么收集的？有哪些途径？
  • 你们如何对数据集进行清理？有什么标准？
  • 评测模块是你写的吗？你在这里面做什么？

NL2SQL 评测

  • SQL 准确率怎么统计？语法正确但跑不动算不算正确？
  • 85% 准确率——分子分母分别是什么？怎么算出来的？是拍脑袋的还是实测的？
  • SQL 生成准确率多少？离线评测多少？在线评测多少？
  • 准确率从最初到 90%+ 做了哪些优化？哪个最重要？为什么？
  • 客户有没有要求过达到什么样的准确率？政策类敏感问题如何保证不出错？
  • 有没有一个方法论或操作步骤？报告怎么输出？每个节点怎么关注？

LLM-as-Judge

  • LLM-as-Judge 怎么用？为什么不能用同一模型评测？

NL2SQL 实战

全链路设计

  • 请详细说明 NL2SQL 系统如何结合大模型，将用户的自然语言查询转换为 SQL 语句
  • DataAgent 项目完整架构
  • 自然语言转 SQL 的完整链路——详细说明
  • SQL Agent 做了些什么？详细介绍

意图识别与字段映射

  • 字段映射具体怎么做的？用户问题千奇百怪，怎么映射到合适的字段？
  • 业务指标和字段索引不匹配怎么处理的
  • 表那么多字段（100+），信息怎么给大模型？渐进式披露具体怎么做？
  • 意图识别是直接写提示词吗？
  • 意图识别——正则和向量怎么配合？优先级？

SQL 安全

  • NL2SQL：如何做到 SQL 的灵活和防止越权和安全性的问题？
  • SQL Agent 中权限校验和查询成本控制——防 DELETE、防大表 JOIN、防扫描亿级数据——防护机制在哪一层做？具体怎么操作？
  • SQL 安全和性能怎么限制？
  • 如何确保只能查询不能修改
  • SQL Agent 里的 Schema 是怎么设计的？

SQL 性能优化

  • 遇到 SQL 计算效率问题怎么优化？
  • 是否遇到过 SQL 短但效率低（多表笛卡尔积）的情况？
  • 效率问题一般怎么发现？（定时跑批 / 报警）
  • 生成系统是自动执行校验还是人工复核？
  • 执行是沙箱操作吗？
  • 有没有做语法树相关的校验？

权限控制

  • 权限控制——表级+行级怎么实现？
  • 权限怎么做？表级+行级？
  • 取数准不准的关键点？
  • 底层怎么建设的？（Schema 描述 / MCP 两种方案）
  • 全场景覆盖怎么做？覆盖不到的怎么办？

模型与微调

  • Text-to-SQL 是纯提示词吗？
  • SQL 生成用的什么模型？评测用什么模型？
  • 推理延迟降低、内存占用减少——是你测的还是谁测的？有具体数据吗？
  • DPO 怎么做？偏好数据怎么构造？

模型基础与微调

Transformer 架构

  • 讲一下 Transformer 的网络架构
  • 绝对位置编码有什么缺点？

微调基础

  • 什么是上下文，它与模型微调有什么区别？
  • 模型微调的核心目的是什么？
  • 微调的完整流程是什么？
  • 在什么场景下会做这个微调的
  • 微调的数据结构是什么样的？结构化还是非结构化？
  • 如果数据量有几百万，对微调效果会有什么影响？
  • 在项目当中用的这个微调方式都有哪几种
  • 为什么不全量微调
  • 微调参数，根据什么去调这个参数呢？
  • 模型后训练这块你接触过吗？
  • 微调中显存不足的常见原因和解决方案？

LoRA / QLoRA

  • LoRA 微调的核心原理
  • 微调的理解——PEFT、QLoRA？
  • LoRA/QLoRA 了解吗？具体使用场景？

强化学习与对齐

  • 什么是梯度下降？
  • 梯度下降的优化算法有哪些？
  • Adam 了解有多少
  • 在强化学习中如何设计奖励函数
  • 奖励值怎么定？
  • SFT 和 RL（RLHF/DPO/GRPO）有什么区别？
  • SFT 经常会导致灾难性遗忘，相比之下强化学习还好，知道这是为什么吗？
  • 请详细介绍 DPO
  • PPO 相较于 DPO 的优势
  • DPO 的损失函数请写出来
  • RL 和 Agent ReAct 模式像不像？为什么？

过拟合

  • 微调中是怎么避免过拟合的？
  • 微调过程当中，你怎么去避免它过拟合呢？

模型选择

  • 模型大小的选择如何考量的？
  • 为什么要选择 Qwen 系列的模型？
  • 用了什么模型？不同任务用不同模型吗？
  • SQL 生成为什么没用国外模型而用千问？模型评测怎么做的？具体怎么选型？
  • 云端模型和本地模型怎么选？
  • kimi 2.5，关于智能体集群这块，你了解这个模型吗？
  • 你知道目前写代码最好的一款模型是哪一款模型吗？
  • 模型微调和知识库的应用场景最大区别在哪？

时序预测

  • 时序预测用什么模型？
  • 特征怎么定的？特征之间的相关性/独立性分析？
  • 数据量级？特征集数量级？

实体匹配

  • BERT 实体匹配为什么用双塔而不是单塔？
  • 早期项目有没有涉及知识图谱？
  • 传统机器学习和深度学习的基础？

Embedding

  • Embedding 向量化在什么场景使用？用什么模型？

模型部署与推理

推理框架

  • vLLM 有什么特点？
  • 有没有用过 vLLM 部署大模型？
  • 大模型推理速度优化，你用过什么方法？

部署

  • 模型怎么部署的？
  • 模型部署在哪？什么机器配置？怎么评估能跑得动？
  • 项目是自己部署的吗？
  • 部署后如何进行监控？都会监控哪些指标？

微调部署

  • 微调用的是什么模型？千问哪个版本？多少参数？
  • 现在有 20 个行业的风险领域 PDF 数据，需要你对千问 32B 模型进行微调。请描述整体思路和方案

Python / CS 基础 / 算法

Python

  • 进程、线程、协程有什么区别？GIL 是什么？
  • Python 协程了解吗？
  • Java 和 Python 在处理多线程场景下有什么不同？
  • Java 构建线程池时如何避免 OOM？
  • FastAPI 为什么选择它？它的优点？
  • 中文分词是怎么做的？

算法

  • 写代码打印文本文件的最后 K 行——能不能一遍读完？有没有更高效的方法？

Linux

  • 常用的 Linux 指令有哪些？

大数据

  • 大数据技术栈（Hive/Spark/Flink）？
  • 大数据有什么经验？Spark/Flink/Hive 是了解还是使用？
  • 之前语言栈？（Java/Spark/Python 演进）

场景设计题

智能体设计

  • 如果要开发一个能学习《西游记》的智能体（基座模型未预训练过），从技术选型角度考虑哪些问题？
  • 有没有落地过类似知识图谱的项目？
  • 自动筛选简历 Agent——把收到的简历匹配到各项目的人力画像，做相似度排序，怎么设计？
  • 如果由你独立负责情感陪伴 Agent 的开发，包括记忆系统等模块，你认为会遇到哪些挑战？

数字人与实时交互

  • 数字人电商直播弹幕回复场景，能想到什么问题？怎么实施？
  • 我是商家，直播前需要提前准备什么？
  • 数字人：实时交互性很强，用户说话说了一半，思考了一会才说完后半句。怎么设计？
  • 用户提出模糊分析需求——“最近广告效果不太好，帮我看看”——系统怎么处理？
  • 多轮追问——先问指标，再问为什么上升/下降，怎么设计？
  • 了解过数字人相关的东西吗？

图片与多模态

  • 淘宝详情页都是图片——怎么提取商品信息？
  • 以图搜图的技术实现，给出思路
  • 图搜图的检索的相似性技术如何实现的？
  • CLIP 技术的核心原理
  • 设计类岗位的简历是作品集（图片/视频），怎么处理？
  • 传统 CV 落地非常”重”，如果换成多模态去实现，怎么设计架构？

低代码

  • 低代码平台 AI 化——用户通过自然语言创建页面、放置组件、调整配置项，分几步？技术难点？

浏览器自动化

  • Agent 代替人工操作——填表单、系统点击、浏览器自动化——在哪个项目哪个场景用到了？

酒店对账 Agent 设计

  • 酒店有三套账（PMS/OTA/银行），字段不同、规则不同、存在取消退款和平台佣金——设计一个 Agent 自动找出差异并解释原因，未来自动申诉
  • 只有你和一名全栈工程师两个人，第一版做什么、不做什么？
  • AI、规则逻辑、人工这三块分别负责什么？
  • 产品功能最后怎么验收？
  • 没有 API 接口，只能人工导出 CSV 文件——怎么解决数据获取问题？
  • 第一家酒店试点成功后，第二家酒店字段和佣金规则完全不同——怎么判断系统是否可复用？

问答系统

  • 如果现在想做好一个问答相关的项目，都需要有哪些点需要注意？
  • 问答助手的回答形式——图片+文字还是纯文字？
  • 业务智能客服——文档素材有哪些形式？怎么 Embedding？怎么保证召回率？

行业与技术趋势

  • Manus/OpenClaw 在今年 2-3 月火起来，主要原因是什么？
  • Workflow 已经被淘汰了吗？Agent 出来之后，简单流程还有必要用工作流吗？
  • 大模型未来会向哪个方向发展？
  • 从业者的角度来看，2026 年的技术发展趋势，给出你的看法
  • RAG：系统在不断升级迭代的一个过程中，有什么地方是你自己感觉还挺有成就感的升级迭代或者优化
  • 项目做了 7-8 个月，技术层面还有哪些提升空间？
  • 数据分析用小模型还是大模型？定业务规则？
  • 有没有涉及数据挖掘相关需求？

工程实践与开发流程

项目与团队

  • 是你自己做的吗？你们多少个人做这个？怎么分工的？
  • 项目解决什么任务？架构是怎么样的？
  • 项目从头到尾多久？
  • 你承担什么角色？团队规模？
  • 这个项目的背景是什么？解决了什么痛点？
  • 项目背景是怎样的？立项时考虑过 ROI 吗？价值怎么体现？
  • 具体是哪些角色在用？运营里哪些组？供应链里哪些角色？研发用不用？
  • 总共有多少人使用？每天都用吗？使用频次多少？有数据吗？
  • RAG 项目多少个人做？你负责哪部分？召回你会做吗？
  • 微调是你做的还是参与？
  • 项目是你自己部署的吗？
  • 前端写过吗？
  • 会涉及前端工作吗？
  • DataAgent 是 demo 级、内部试用、还是正式生产？用户数量、请求量多少？
  • 最严重的一次 Bad Case 是什么情况？

开发流程

  • 开发流程是怎样的？符合软件工程要求吗？举一个项目例子
  • SDD 和 TDD 了解吗？你们需求怎么来的？
  • 业务流程是你去梳理的还是产品经理梳理的？
  • LangGraph 这张图是你们自己设计的？链路是固定的还是自由发挥？

AI 编码

  • 平时用什么 AI 编码工具？有什么心得？
  • 用不用 AI 辅助编程？
  • 平时写代码是通过 AI 编码工具还是手写？
  • 本地写代码用不用 AI 工具？会隔离隐私文件吗？
  • 会不会用 AI（Codex/Claude）访问服务器？
  • AI 编程，这个占比大概能占多少？
  • AI 编程质量的影响因素有哪些？
  • 在 AI 辅助编码的工作流程中，你如何划分人工和 AI 的职责边界？

AI 提效

  • AI 提效——你们怎么在公司推广 AI 的？
  • OpenClaw 怎么管理多用户的？每个人怎么隔离？

用户反馈

  • 用户反馈怎么收集的？除了群聊还有什么方式？
  • 数仓用的什么数据库？用什么层？