面试专区

面试准备的关键不是背很多名词，而是能把问题讲成“目标、方案、权衡、评估、失败案例”。这一页帮你把五类题目串成一条准备路径。

一个好答案通常不是“我知道某个框架”，而是能把问题拆成可验证的工程判断：为什么选这个方案、如果失败会看到什么信号、如何降低上线风险。

准备顺序

1. 先过 术语表：确保 Token、Embedding、RAG、Agent、LoRA、DPO 等词能说准。
2. 再准备 RAG 面试题：检索、重排、引用、评估是应用岗高频区。
3. 接着准备 Agent 面试题：工具调用、规划、记忆、安全和监控。
4. 如果投算法/平台岗，补 训练微调面试题。
5. 最后练 系统设计 与 代码题，把概念落到架构和实现。

五个题型

题型	重点能力	回答结构
系统设计	需求澄清、架构拆分、指标与风险	场景 → 数据 → 检索/模型/工具 → 评估 → 运维
RAG 面试题	chunk、embedding、召回、重排、引用	问题 → 失败原因 → 改进方案 → 指标
Agent 面试题	工具 schema、规划、状态、权限	任务边界 → 工具 → 控制流 → 失败恢复
训练微调面试题	数据、SFT/LoRA、DPO/RLHF、评估	是否该训练 → 数据 → 方法 → 风险
代码题	小函数、数据结构、工程边界	先说复杂度和边界，再写可测实现

面试冲刺路径

时间	任务	产出
第 1-2 天	整理术语和个人项目	一页术语卡、两段项目介绍
第 3-7 天	RAG/Agent 高频问答	每题 2 分钟口述答案
第 2 周	系统设计与评估	2-3 张架构草图、指标清单
第 3 周	代码题和项目复盘	可运行小题、失败案例库
第 4 周以后	模拟面试与查漏补缺	录音复盘、问题清单

回答时的检查清单

• 是否说明了业务目标，而不是只讲技术名词？
• 是否说清数据从哪里来、如何更新、如何清洗？
• 是否能定位错误来自检索、上下文、模型、工具还是评估？
• 是否有指标：召回、准确性、引用、延迟、成本、安全？
• 是否提到生产约束：权限、审计、回滚、监控、人机确认？

常见扣分点

• 只背定义，不讲适用边界：例如把所有知识问题都回答成“上 RAG”。
• 只讲模型，不讲数据：忽略解析、权限、更新、删除和脏数据。
• 只讲 happy path，不讲失败恢复：工具超时、证据不足、模型返回坏 JSON 时没有策略。
• 只讲准确率，不讲评估拆分：没有把召回、上下文相关性、忠实度、引用正确性分开看。
• 只讲个人经验，不承认不确定性：对快速变化的模型/API 给出过度确定的答案。

更多可复用表达见 模板。

用同一把尺子检查回答

以下是练习用评分表，不是招聘统一标准。每题按 0（未提及）、1（能解释）、2（能用实例验证）分别给分。

维度	2 分回答应包含
原理	定义准确，能说出输入、输出和关键机制
取舍	至少一个适用条件和一个不适用场景
实现	具体的数据流、状态或接口边界
失败	一个正常演示之外的失败及其定位步骤
验证	有分母、基线、样本和验收规则

先录一段两分钟答案，再标出缺失维度，回到对应章节补齐。没有实际做过的项目，用“我会如何设计”表达，避免把设想描述成上线经验。