作者：程序员马丁
Ragent AI —— 从 0 到 1 纯手工打造企业级 Agentic RAG，拒绝 Demo 玩具！AI 时代，助你拿个offer。
按分类浏览面试题
按技术领域分类浏览所有面试题，了解各方向的考察重点与题目频次。
分类总览
| 分类 | 题目数 | 高频题数 | 说明 |
|---|---|---|---|
| Agent | - | - | Agent 架构、规划与记忆、工具调用 |
| RAG | - | - | 检索增强生成、向量检索、Rerank |
| AICoding | - | - | AI 辅助编码、代码生成 |
| Prompt | - | - | 提示词工程、CoT、Few-shot |
| MCP | - | - | Model Context Protocol、工具协议 |
| CLI | - | - | 命令行工具、开发者工具链 |
| Evaluation | - | - | 模型评估、RAG 评估、A/B 测试 |
| LLM | - | - | 大模型原理、推理优化 |
| FineTuning | - | - | SFT、RLHF、LoRA |
| Multimodal | - | - | 多模态模型、图文理解 |
| Deployment | - | - | 模型部署、量化推理 |
| DataEngineering | - | - | 数据清洗、标注、合成数据 |
| OpenEnded | - | - | 综合性问题、系统设计 |
Agent
Agent 架构设计、规划与推理、记忆机制、工具调用等相关面试题。
核心知识点：Agent 架构（ReAct、Plan-and-Execute、Multi-Agent）、规划与推理（任务分解、CoT推理）、记忆机制（短期记忆、长期记忆、向量记忆）、工具调用与编排、Agent 可靠性与容错
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
RAG
检索增强生成、向量检索、文档处理、Chunking、Rerank 等相关面试题。
核心知识点：RAG 整体架构与流程、文档解析与 Chunking 策略、Embedding 模型选择与优化、向量数据库原理与选型、检索策略与 Rerank、生成质量与幻觉控制
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
AICoding
AI 辅助编码、代码生成、代码审查、Copilot 类产品等相关面试题。
核心知识点：AI 编码工具原理（Copilot、Cursor、Claude Code）、代码生成 与补全、代码审查与重构、代码上下文管理、AI Coding 产品设计
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
Prompt
提示词工程、Few-shot、Chain-of-Thought、提示优化等相关面试题。
核心知识点：Prompt 设计原则与最佳实践、Few-shot / Zero-shot 学习、Chain-of-Thought（CoT）推理、提示词优化与迭代、System Prompt 设计、Prompt 注入防御
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
MCP
Model Context Protocol、工具协议设计、资源管理、JSON-RPC 等相关面试题。
核心知识点：MCP 协议原理与架构、JSON-RPC 通信机制、Tool / Resource / Prompt 三大原语、MCP Server 开发与部署、MCP 与 Function Calling 的区别、安全性与权限控制
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
CLI
命令行工具、AI 开发者工具链、终端交互等相关面试题。
核心知识点：AI CLI 工具设计（Claude Code、Aider 等）、终端交互与用户体验、CLI 工具架构、开发者工 具链集成
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
Evaluation
模型评估、RAG 评估、Agent 评估、A/B 测试等相关面试题。
核心知识点：LLM 评估指标与方法、RAG 评估框架（RAGAS 等）、Agent 评估与基准测试、人工评估 vs 自动评估、A/B 测试设计、线上指标体系
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
LLM
大语言模型原理、Transformer 架构、推理优化、模型选型等相关面试题。
核心知识点：Transformer 架构与注意力机制、预训练与对齐（RLHF、DPO）、上下文窗口与长文本处理、Token 与 Tokenizer、推理优化（KV Cache、投机采样）、模型选型与能力评估
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
FineTuning
模型微调、SFT、RLHF、LoRA、数据构造等相关面试题。
核心知识点：SFT（Supervised Fine-Tuning）流程、RLHF / DPO 对齐训练、LoRA / QLoRA 参数高效微调、训练数据构造与清洗、微调效果评估、全参微调 vs 参数高效微调
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
Multimodal
多模态模型、图文理解、语音交互、视觉语言模型等相关面试题。
核心知识点：多模态模型架构（LLaVA、GPT-4V 等）、图文理解与生成、语音交互（ASR、TTS）、视觉编码器与对齐、多模态 Agent
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
Deployment
模型部署、推理服务、量化、vLLM、TensorRT 等相关面试题。
核心知识点：推理框架选型（vLLM、TGI、TensorRT-LLM）、模型量化（GPTQ、AWQ、GGUF）、服务化部署与负载均衡、GPU 资源管理与调度、推理性能优化（Batching、KV Cache）、边缘部署与端侧推理
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
DataEngineering
数据清洗、标注、合成数据、数据管道等相关面试题。
核心知识点：数据清洗与预处理、数据标注方案与质量控制、合成数据生成、数据管道设计、数据版本管理
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |
OpenEnded
综合性问题、系统设计、多领域交叉、开放性讨论等面试题。
核心知识点：AI 应用系统设计、技术方案选型与权衡、项目经验深挖、行业趋势与前沿认知、跨领域综合能力
| 题目 | 难度 | 频次 | 出题公司 |
|---|---|---|---|
| - | - | - | - |