AI 智能体项目补充面试问答汇总
AI 智能体项目补充面试问答汇总 整理日期:2026 年 11 月 11 日。对应项目: 。 本文件汇总项目面试题文档生成后的补充问答,重复问题已合并。回答结合此前查看的项目代码;“可以改进”不表示已经实现,历史测试记录也不等于当前运行结果。面试时按自己的真实参与程度说明个人贡献。 原有文档: AI 知识库智能体面试题
正在读取最新同步的笔记,请稍候。
KNOWLEDGE INDEX / 知识索引
从 Obsidian 同步而来的个人知识索引。按主题翻阅,或直接找到记忆里的那句话。
支持搜索标题、正文与标签,筛选状态会保存在网址中。
检索结果
AI 智能体项目补充面试问答汇总 整理日期:2026 年 11 月 11 日。对应项目: 。 本文件汇总项目面试题文档生成后的补充问答,重复问题已合并。回答结合此前查看的项目代码;“可以改进”不表示已经实现,历史测试记录也不等于当前运行结果。面试时按自己的真实参与程度说明个人贡献。 原有文档: AI 知识库智能体面试题
AI 面试必备知识 一、大模型 大语言模型(Large Language Model,LLM) : 通过大规模文本训练,学习语言规律并生成、理解和转换文本的模型。 词元(Token) : 模型处理文本的基本单位,可以是字符、词的一部分、完整词或特殊符号。 分词器(Tokenizer) :将文本与词元编号相互转换的组件。
AI 知识库与智能体工作空间面试题及参考答案 根据当前本地代码和文档整理,面向 AI(人工智能)应用开发岗位。参考答案用于理解和练习,请结合真实参与过程表述;涉及运行结果、线上状态和个人贡献时,不要把代码中存在、历史文档记载或 AI 生成的内容直接说成自己刚刚验证或独立完成的事实。 一、项目介绍与个人贡献 1. 用一分
从 Agent 控制循环、工具执行与安全,到 MCP 协议角色、Agent Skills 格式和系统设计的详细问答。 Agent、MCP 与 Skill 面试题库 本题库强调“模型决策、应用执行、服务端授权”三者的边界。框架接口和协议版本会变化;题目中的版本说明以文末当前官方资料为核对点,实际实现仍应检查所用 SDK(
从需求、架构、数据、检索、工具、安全、发布和评测讲清 AI 应用项目,并区分课程练习与真实生产经历。 AI 应用项目设计与案例面试题库 [!important] 使用说明 以下问题按概念独立重写,用于练习项目设计和表达,不复制课程整套题面。Coze/Dify 的商品问答、天气规划、英雄联盟知识助手和 NL2SQL 都是
围绕 Token、Embedding、Transformer、注意力、位置编码和自回归生成的详细问答与追问。 大模型基础原理面试题库 怎么使用这份题库 每道题建议按“先下定义 → 写出计算过程或结构 → 解释为什么这样设计 → 说明边界和变体”的顺序回答。下列答案是完整复习稿,面试现场不必逐字背诵;先给结论,再根据面试
围绕 KV Cache、显存估算、量化、延迟吞吐、批处理、并行和压测的详细面试问答。 大模型推理与部署面试题库 怎么使用这份题库 先用一句话回答,再讲机制、写出估算假设,最后补充如何验证。推理问题往往没有脱离模型、硬件、上下文长度、并发和服务目标的唯一数字答案。遇到“能跑多少并发”“量化后快几倍”等问题,应先问清输入条
大模型原理、RAG、可靠性和应用设计面试的速览入口;逐题详解见专题题库。 大模型面试精选 摘要 这份笔记是复习速览入口,不是完整题库。回答时先给结论,再解释机制、取舍和边界,最后联系项目中的验证方式;完整问答、追问答案和易错点见各专题题库。课程样例和设计练习不得说成个人生产经历。 正文 1. Transformer 如
按基础原理、训练推理、RAG、Agent 与评测整理面试自测题和回答要点。 大模型面试精选(资料整编) 使用方法 先尝试用自己的话回答,再对照要点补充机制、权衡和边界。技术回答可按“定义 → 原理 → 适用场景 → 局限或风险 → 验证方式”组织。以下是第一批精选框架,不等同于 89 份题库文件的逐题转写;后续还要从题
覆盖幻觉分类和定位、评测指标与实验设计、基准污染、多模态视觉/语音/视频链路及安全治理的详细问答。 幻觉、评测与多模态面试题库 答题时先定义任务与指标,再解释系统链路和失败原因,最后说明验证方法与局限。任何“准确率/幻觉率”都要先问样本、分母、模型版本和标注规则。不要承诺零幻觉。 一、幻觉概念、原因与缓解 1. 什么是
训练数据、CPT、SFT、LoRA/QLoRA、RLHF、PPO、DPO、显存与故障排查的详细问答。 大模型训练微调与对齐面试题库 使用方法 这份题库不是让你逐字背答案。面试时建议先用 30–60 秒回答核心定义,再通过数据格式、损失、资源代价、评估和失败案例展开。把“我实际做过”“我读资料理解”“如果设计会这样验证”
集中复习 PEFT、RLHF、PPO、显存估算和并行优化的核心对比。 训练与推理面试精选 摘要 训练与推理面试常考概念对比、资源估算和工程取舍。回答重点是说明假设与瓶颈,不给脱离硬件、序列长度和精度的绝对结论。 正文 推理与部署:快速入口 先区分 Prefill(输入预填充)和 Decode(逐步解码),再按模型权重、