📌 这个专区怎么用
每一期面试总结都会包含：题目原文、考察点拆解、回答结构、详细参考答案、常见追问和表达建议。后续学员增多后，会持续在这里按期次和主题扩展，方便统一管理和复习。
🧭 智能助手演进路线图：从 ChatBot 到多 Agent 协作
用 8 个阶段（ChatBot → Prompt → Memory → RAG → Function Calling → ReAct → Workflow → Multi-Agent）把所有大模型工程概念串成一条演进线。每阶段含 SVG 架构图、技术栈、关键指标与阈值、痛点、优化方案、面试高频追问与标准答法，并附框架对照表、五大类指标体系、面试万能答题模板。读完能在面试中清晰回答"系统怎么演进、用什么、为什么"。
› 📚 知识库演进全景图 · 8 阶段🧭 智能知识库演进路线图：从 ES 关键词检索到 Agentic RAG / GraphRAG
用 8 个阶段（关键词检索 → 向量检索 → 朴素 RAG → Chunk 切分 → 混合检索 → Rerank 精排 → Query 改写 → Agentic / GraphRAG）把企业知识库系统的所有演进路径串成一条主线。每阶段含 SVG 架构图、技术栈、关键指标变化、详细痛点 + 解法表（含参数 + 量化收益）、面试高频追问与标准答法，并附 RAGAS 评估闭环、向量库 / 框架对照、五大类指标体系、4 段式面试万能答题模板。读完能在面试中讲清"RAG 怎么从 45% 召回演进到 92% 答对率"。
›🧠 学员一面复盘：大模型评测 / Chunk 设计 / 高并发 / MySQL
覆盖 11 道真实面试题，重点强化自我介绍、大模型输出准确性验证、RAG chunk 大小设计、单接口高并发实现、数据库索引与接口排障等核心问题，适合 AI 工程化和后端方向同学反复复盘。
› 第 2 期 · AI 电商 / 架构设计🛒 AI电商导购面试复盘：架构设计 / RAG幻觉 / OpenClaw融合
覆盖 8 道AI产品经理/AI应用工程师面试真题，包含AI电商导购系统设计、RAG幻觉解决、OpenClaw工具链分析、技术融合策略等深度问题，适合AI应用落地方向同学复习。
› 第 3 期 · 中小型公司面试🔍 中小型公司面试
覆盖 7 道RAG核心技术面试题，包含RAG总体架构、知识库价值、效果评估指标、幻觉与复读机问题解决方案、RAG改进方向等深度内容，适合中小型公司面试准备。
› 第 4 期 · 面试回答策略💬 大模型面试回答指南：避免技术细节过载，突出实战经验
针对大模型面试的11道高频问题，提供实用的回答策略和技巧。避免过于技术化的回答，重点突出实际项目经验、问题解决能力和技术选型思路，帮助面试者展现真实的技术水平和思考深度。
› 第 5 期 · 专业资深面试21道真题🧠 AI智能客服系统 · 21道深度面试题全解析
覆盖意图识别、RAG链路、召回率优化、精排Rerank、记忆管理、Agent架构、LangChain vs LangGraph、MCP协议深度剖析（“MCP已死”辨析/MCP vs Skill vs Tool/MCP演进史/MCP落地实战）等21道高频面试题，每题含考察点+详细解析+参考回答+追问应对。
› 第 6 期 · 原生架构 / 流式安全🔥 ReAct架构上下文 · 流式输出安全拦截 · 滑动窗口Python实现
3道层层递进的追问：原生ReAct循环如何维护上下文稳住注意力、流式chunk如何拦截隐私/不当言论、切分不规则chunk如何用滑动窗口可靠检测。含面试原始回答、理想答案深度解析、完整Python代码实现。
› 第 7 期 · AI项目深度追问12题🧩 LangGraph · 多Agent · ReRanker · SQL Agent · RAG拆分 全解析
覆盖LangGraph状态机制、多Agent协作架构、指代消解算法、ReRanker精排对比、链路响应耗时、SQL Agent完整链路、注入检测、准确率95%质疑应对、会话隔离窗口裁剪、三级容错四重约束、多模态预处理、图表生成导出、RAG文档拆分策略等12道项目级深度面试题。
› 第 8 期 · RAG召回/并发/Agent/MCP 7题🔬 RAG召回逻辑 · Python vs Java并发 · Agent原理 · MCP · JSON输出
覆盖RAG多路召回实现（向量+BM25混合）、Python与Java并发模型对比（GIL/asyncio/线程池）、意图路由设计、Agent内部ReAct循环原理、MCP与Function Call关系、AI代码复盘方法论、LLM JSON结构化输出控制等7道面试题。
› 第 9 期 · AI项目实战/MCP/Claude Code 12题🔥 RAG文档问答 · 消息推送平台 · MCP实战 · Claude Code · 多模态应用
覆盖RAG文档问答原理、多渠道消息推送平台设计目的、系统表设计、项目困难STAR回答、AI项目目的、AI代码理解方法、Claude Code与传统开发对比、MCP协议实战工具、Skills概念实践、多模态应用场景等12道真实面试追问，含考察点+参考答案+追问应对。
› 第 10 期 · RAG检索链路深度追问9题🔎 Embedding选型 · Chunk切割 · 混合检索 · 效果评估 · 参数调优
覆盖Embedding方案选型与对比、检索参数调优（相似度/TopK）、RAG效果评估方法论（RAGAS）、模糊Query预处理、向量化/重写模型选型参考、跨Chunk信息丢失解决、切割策略对比、长文本检索效率平衡、混合检索架构与RRF融合算法等9道RAG检索链路高频深度追问。
› 第 11 期 · Agent / 记忆 / 架构深挖 15 题🧠 LangGraph · 三重记忆 · Kafka异步落库 · ReAct · 本地模型架构
覆盖 LangChain 与 LangGraph 区别、JSON三级容错、Prompt四重约束、意图识别置信度、混合三重记忆、长对话语义保持、Kafka 异步落库防丢、PDF 智能分块、Embedding/向量库选型、Query Rewrite、Skills / Sentence-BERT、OpenClaw / Claude Code、ReAct 与本地部署大模型高并发架构等15道高频深挖题。
› 第 12 期 · AI应用一面基础盘问 19 题🤖 智能体项目职责 · RAG流程 · Agent封装 · Prompt优化 · 深浅拷贝
覆盖智能体项目职责说明、RAG整体流程、项目框架设计、Embedding选型、Agent封装、智能体与LLM关系、文本嵌入入库流程、文本切片、提示词优化、AI发展、Transformer与LLM关系、常用语言以及深拷贝/浅拷贝等19道一面高频基础题。
› 第 13 期 · 电商推荐 / 退款 / Agent / Redis 16 题🛒 商品推荐 · 工单退款 · ReAct · 三层记忆 · 高并发缓存治理
覆盖商品推荐模块设计、称重误差退款分级、工单流转机制、分块命中率提升、字符切分取舍、两阶段排序、ReAct 选型、工具失败兜底、短中长期记忆、四层提示词、RAG 评估、测试集构建、Agent 高并发、MySQL 乐观锁、Redis 缓存治理与分布式锁等16道高频深挖题。
› 第 14 期 · AI项目 / RAG / Prompt / FastAPI 19 题🧩 双项目介绍 · 幻觉治理 · 商品ID校验 · CoT / ReAct / Few-shot · Trace复盘
覆盖两个项目介绍、RAG与模型结合、模型幻觉与漂移治理、商品ID校验、模型结果接入Java、天气与定位、商品推荐特征、Prompt工程、CoT、ReAct、Few-shot、Trace复盘、向量库搭建、置信度分级、FastAPI、AI编码把控、单元测试与数据库设计等19道高频面试题。
› 第 15 期 · 生成式AI / 图表生成 / Agent 工作流 10 题📊 生成式AI落地 · 图表生成 · 验证机制 · 完整Agent流程 · Embedding/Rerank
覆盖生成式AI项目经验、分析结果生成、图表生成拆分、验证机制、完整Agent流程、Embedding与Rerank、大模型选型、数据存储、数据清洗、解析与索引绑定以及项目难点与解决方案等10道高频面试题。
› 🧠 多模态 / Agent 系统设计 · 6 题🎨 多模态实体关系 · Agent 任务拆解 · 工具参数补全 · 反问关联 · 限流 · 双源意图路由
覆盖图片实体关系（Scene Graph + 关系三元组 + GraphRAG）、产品对比任务拆解（Planner-Worker 5 步 / 并行收集 / 单位对齐 / 分场景推荐）、Tool 缺参 4 层防御（Schema 严约束 / 历史抽取 / 反问 / 拒绝兜底）、反问与原问题关系（挂起 + 槽填充 + 复用原意图）、API 速率限制 6 层应对（令牌桶 / 429 退避 / 批量 / 缓存 / 多 Key / 降级）、SQL+向量库双源 Agent 路由（意图分类 / NL2SQL 白名单 / metadata ACL / 双源拼接）等 6 道系统设计型面试真题。
› 🐜 蚂蚁国际 · 业务中台产品技术 · 智能体与大模型应用工程一面 · 9 题🌍 蚂蚁国际一面：RAG全链路 · 独立评估 · 大文件切分 · 推理模式 · 高可用高并发 · Vibe Coding · Harness · 开源生态 · 英语
覆盖 RAG 端到端优化（每段痛点+收益数字）、独立评估机制（RAGAS/双评/CI 回归）、大文件流式切分（父子双层/层级 RAG/GraphRAG）、推理模式选型（CoT/ReAct/Reflection/Plan-Execute 边界）、高并发高可用（vLLM Batching/限流降级/多活/SSE）、Vibe Coding 实践与边界、Harness 评测工程（lm-eval/OpenCompass/业务级 Harness）、开源生态深度（vLLM/LangGraph/Milvus/Langfuse 源码级）、英语场景化自评等 9 道蚂蚁国际真题。
› 🐧 腾讯 · 计费平台部 · 技术研究一面 · 9 题🏦 腾讯计费一面：RAG 本质 · 数据治理 · 多格式 · 脱敏 · Embedding · 微调 · 幻觉兜底 · 多线程/多进程
覆盖 RAG 解决什么问题、数据库更新（增量/全量/双库切换）、多格式文档处理（PDF/Word/Excel/OCR/表格行级化）、合规脱敏与数据质量权衡、多源权重划分（规章/手册/工单/群聊/外部）、Embedding 选型与对比（bge / m3e / OpenAI / Hybrid + RRF）、SFT/DPO/RLHF 边界、准确率分层指标与幻觉 5 道兜底、I/O vs CPU 并发选型与 GIL/进程切换/共享内存等 9 道高频深挖题。
› 第 16 期 · 智能客服 / Agent 工作流 / AI 编码 / 分布式事务 28 题🤖 意图识别 · Workflow 设计 · Redis 分布式锁 · AI 编码 · 注意力机制 · 知识图谱
覆盖智能客服全链路、意图识别、Workflow vs Prompt、Agent 设计、数据库集成、Redis 防重复补货、分布式锁、AI 编码实践、注意力机制、分布式事务、数据分片、向量化、语义分片、知识图谱以及 AI 编码质量评估等28道高频面试题。
›