AI 应用开发面试

Why

面试准备不能停留在“了解 RAG、Agent、Prompt”这种表层说法。这个 mission 要把 AI 应用开发拆成能被追问、能被评估、能落到工程实践的知识单元。

Success Looks Like

• 能清楚解释 LLM API、RAG、工具调用、Agent、评测、成本、安全和上线运维的核心机制。
• 能回答系统设计题，并说出数据流、接口、指标、失败模式和取舍。
• 能把一个 AI 应用项目讲成真实工程经验，而不是 demo 展示。
• 能承受面试追问：为什么这么设计、哪里会失败、怎么评测、怎么上线。

Topic Map

核心覆盖 LLM runtime、context、memory、RAG、tool calling、agent harness、agent orchestration、evaluation、observability、security、production。每个主题都必须能回答：数据流是什么，状态在哪里，失败怎么定位，质量如何验证，权限和成本怎么控制。

Constraints

每个大专题都要有成组问答，不写空洞概念综述。一个专题至少 10 个问题，其中至少 5 个是可展开系统设计、追问、失败定位和知识串联的高质量深题；其余问题用于检查知识广度。每个深题必须把衍生概念展开到可学习的程度：概念是什么、为什么需要、工程落点在哪里、失败模式是什么、面试中怎么表达。

Out of Scope

暂不覆盖模型训练、底层 CUDA 优化、论文复现和纯算法岗面试题。重点是 AI 应用工程岗位。