大模型与 AI Agent 面试题汇编：265 道大厂真题按主题归类（2026 版）

大模型岗的面试题这两年变得特别快。前年还在反复问 Transformer 结构和 LoRA 原理，今年一半的追问都落在上下文工程、Skill 与 Harness、HITL 权限管控这些一年前几乎不存在的概念上——只按去年那份八股准备，进面就会发现问的完全是另一套。

这份汇编把面灵AI 收录的真实面试记录和题库沉淀做了去重归类，再结合公开面经交叉核对，覆盖大模型算法岗和 AI 应用开发岗两条线，一共 265 道题，分成九个主题。

怎么用这份题单：

• 题目后面括号里是近期实际问过这道题的公司，不代表完整名单，也不代表没标注的公司不问
• 基础与训练部分（Transformer、预训练、微调对齐）求「说得清、能推导」；RAG、Agent、应用工程部分求「能结合项目讲落地和踩坑」，只有概念没有实践基本会被追穿
• 几乎每家都会深挖简历项目——reward 怎么设计的、指标怎么量化出来的、难点在哪。这条主线的权重比任何一道八股题都高

主题导航：Transformer 与模型结构 · 预训练与推理优化 · 微调与对齐 · RAG 检索增强生成 · AI Agent · 大模型应用工程 · 多模态与具身智能 · 手撕算法题 · 软性问题与反问

Transformer 与模型结构基础

• Transformer 整体架构原理？（自注意力 / 多头 / FFN / 残差 / 位置编码 一套讲清）
• Attention 的本质是什么？能否从数学角度解释？（QKV、缩放点积、softmax）
• 多头注意力（MHA）用 PyTorch 手撕，要能扩展成 cross-attention。（字节高频手撕）
• Self-Attention 的复杂度问题，研究者提出了哪些降低复杂度的注意力变体？（MQA / GQA / 稀疏 / 线性注意力）
• GQA（分组查询注意力）机制是什么，解决什么问题？
• Pre-Norm 和 Post-Norm 的设计差异？对训练稳定性和性能的影响？（腾讯）
• LayerNorm 与 RMSNorm 的区别与原理？为什么大模型多用 RMSNorm？
• FFN 网络结构？SwiGLU 激活函数？Qwen3 FFN 层的结构设计特点？（美团）
• 位置编码方案有哪些？RoPE（旋转位置编码）原理？Qwen3-VL 的 MRoPE？（爱奇艺 / 美团）
• 为什么生成式大模型普遍用 Decoder-only 而非 Encoder-Decoder？（腾讯 / 阿里）
• Decoder-only 模型在分类任务上有没有可能比 Encoder-only 做得更好？（字节抖音搜推）
• 梯度消失 / 爆炸的解决方案？（网易）
• KV Cache 是什么？生成新 token 时是否需要和所有历史 token 重新计算？如何评估缓存命中效果？（字节 / 网易）
• MLA（多头潜在注意力）了解吗？（字节）
• 一段文本会被切成多少 token？token 是如何划分的？（BPE / 分词原理）
• 大模型参数量和显存消耗是什么关系？
• Attention 从 MHA 到 MQA / GQA / MLA 的演进脉络是什么？每一步在省什么？
• 推理阶段 attention 复杂度是 O(n²)，主流有哪些既降计算量又保性能的优化？线性注意力是怎么做的？
• 稠密模型与 MoE 模型的核心区别？MoE 和 MMoE 是一回事吗？（拼多多）
• Qwen3 是如何实现推理 / 非推理模式切换的？还有哪些结构改进？（抖音）
• 从技术角度看，大模型的「遗忘」现象是什么？（拼多多）
• CNN 和 Transformer 有什么区别？BERT 和 Transformer 分别是什么？（小红书 / 美团）
• 大模型的「大」体现在哪几个方面？参数量是在什么时候确定的？（美团 / 小红书）
• 为什么不干脆把上下文窗口做得更大？把上下文扩到 1000K 会遇到哪些核心资源瓶颈？（小红书 / 腾讯）

预训练、分布式训练与推理优化

• 大模型通用预训练流程？垂域（如电商）二次预训练的必要性及原因？（爱奇艺）
• Transformer 的词表是如何构建的？
• MoE（混合专家）原理？如何做负载均衡？MoE 是 batch / token / 还是什么维度的激活？用 Python 手撕一个 MoE。（美团）
• 千卡训练常见的 NCCL timeout 一般怎么定位和解决？（阿里）
• kernel 级优化：用 CUTLASS / CUTE DSL 或手写 CUDA 做算子融合（fusion），怎么做？做了 fusion 反而性能下降的原因？（阿里）
• FlashAttention（FA2）再往下一层，Hopper 架构的 warp specialization 是什么、底层怎么实现？（阿里）
• 推理加速技术：量化、动态批处理（continuous batching）、FlashAttention。（网易）
• vLLM 核心原理？PagedAttention 原理？动态批处理和显存管理的创新？（腾讯 / 快手 / 字节）
• 模型剪枝 / 量化：GPTQ、AWQ、PTQ、QAT 的区别与选型？INT8 / FP16 / BF16 / FP32 精度差异与训练选型？训练推理精度一致性问题？（爱奇艺）
• 长文本模型结构优化与长文本训练的优化 Trick？如何优化长文本生成的显存占用？（爱奇艺 / 网易）
• 大模型 API 服务的响应延迟如何优化？（网易）
• PD 分离（Prefill / Decode 分离）是什么？为什么能提升整体吞吐？
• 请求发起后 prefix cache 命中、但 KV 已下沉到 SSD，取回链路是怎样的？同步到 GPU 要不要经过主存？（字节）
• KV Cache 在 prefix 复用场景为什么特别重要？做这块时你平时看哪些指标？（字节）
• 以 8×7B 为例，KV Cache 与模型权重的显存占比大概如何？除权重外还有哪些显存占用？
• 仅开启 TP 时如何估算 7B 模型权重的显存需求？7B 做分布式部署采用什么策略？
• 推测解码（speculative decoding）的原理是什么？它不适用于哪些模型？
• 结构化剪枝的落地链路：校准数据集处理、权重保存、推理框架加载，中间容易踩什么坑？剪枝后精度如何验证？
• Megatron / DeepSpeed / vLLM / SGLang 各自定位是什么？你实际用过哪些？
• 大模型为什么逐 token 流式输出？底层用的是什么协议？（美团）
• 要做多地域多节点的分布式推理服务，从零设计或复用云组件，整体思路是什么？
• 线上推理如何做流量监控与 Token 用量监控？组件故障或网络异常后流量怎么恢复？

微调与对齐：SFT / LoRA / RLHF / PPO / DPO / GRPO

• 常用的微调框架有哪些？各自优缺点？（LLaMA-Factory / trl / verl / DeepSpeed…）（腾讯 / 美团）
• 微调方法对比：Full Fine-tuning vs LoRA / QLoRA / Adapter / P-Tuning？（网易）
• LoRA 原理？与全量微调的区别？参数初始化策略？有什么好处？（美团 / 字节 / 快手）
• SFT 核心流程与数据集构建策略？SFT 之后常见的 Post-Training 还有哪些，目的有何区别？（阿里）
• SFT 与 RL 强化学习训练的核心差异？什么时候用 SFT、什么时候用蒸馏、什么时候用 GRPO？（美团 / 阿里）
• RLHF 完整训练流程？奖励模型（RM）的训练数据如何构建？（字节 / 网易）
• RLHF、PPO、DPO 的技术差异、优缺点及适用场景？（腾讯）
• DPO 相对 PPO 的核心改进与优势？DPO 训练的注意事项？（美团 / 阿里）
• PPO-DPO-GRPO 路线演进的历程与启发？GRPO 之后还有哪些 RL 算法（如 DAPO）？（富途 / 字节）
• GRPO 的 loss 怎么讲？为什么选 GRPO 不用 SFT？（阿里）
• Advantages 怎么算的？为什么需要 Advantages，直接用 reward 算不行吗？（阿里）
• 重要性采样为什么需要？新旧策略差别很大时重要性采样还有用吗？（阿里）
• PPO / GRPO 是 on-policy 还是 off-policy？PPO 的 critic 模型怎么训练？（阿里 / 字节）
• GRPO 的 KL 散度和 PPO 的 KL 散度一模一样吗？KL 散度的推导？放在 loss 里和放在 reward 里的区别、作用与适用场景？（字节）
• 信用分配：GRPO 中序列级奖励如何分配到每个 token？（阿里）
• Reward hacking / 奖励坍缩的原因及解决方法？（字节）
• RL 训练看哪些指标？loss 异常升降如何分析？（字节）
• RLVR 训练能否认为是一种 SFT？（字节）
• Agentic RL：设计思路？SFT 到什么阶段可以做 RL？长对话 / 多轮如何做 reward（何时用模型、何时用规则）？如何评估？（字节）
• 分层式自蒸馏模型是什么？
• 预训练、SFT、强化学习分别解决什么问题？边界在哪？（抖音）
• 优化模型效果时，什么时候该调 Prompt、什么时候该直接微调？面对客户需求怎么判断用 RAG 还是微调？（阿里）
• 只有 2000 条数据的微调为什么也能提升准确率？微调数据集从哪来、怎么标注、规模多大合适？（小红书）
• 强化学习训练时是调整全部权重还是只调部分权重？
• 如何评估微调前后的提升？判断训练是否达到预期主要看哪些指标？（字节）
• 微调完成后如何做工程落地——部署、精度对齐、回归验证怎么串起来？（小红书）

RAG 检索增强生成

• 什么是 RAG？基本流程？（几乎必问，字节 / 京东 / 滴滴 / 美团 / 腾讯…）
• RAG 相比微调有什么好处？什么场景用 RAG、什么场景用微调？
• RAG 如何缓解大模型幻觉？原理是什么？
• 文档切分（chunk）策略：粒度如何选择？切片切断关键上下文怎么办？分块大小如何界定？
• 向量化：为什么需要向量化？直接文本匹配为什么不够？什么是向量？
• Embedding 模型如何选择？向量维度如何选择？（快手 / 腾讯 / 京东）
• 向量库选型：Milvus / ES / HNSW / IVF_FLAT 的区别与适用场景？索引原理？（字节 / 美团 / 快手）
• 能否用 Elasticsearch 做向量库？如何做向量 + 关键词混合检索（BM25 + 向量）？（京东 / 钉钉）
• 混合检索的召回率 / 精确率如何评估，权重如何设置？RRF 的 K 值调大还是调小？（京东 / 美团）
• 为什么需要 Rerank？什么情况下可以不接？双向量召回 vs 单向量召回？（京东 / 快手）
• Query 改写 / 问题拆分的意义与实现？针对模糊提问如何精准检索、如何识别问题模糊度？（携程 / 美团）
• 如何评估 RAG 效果？准确率 / TopK 命中率如何量化？评测集从哪来、需要多少数据？（字节 / 阿里 / 京东）
• RAG 回答错误时如何定位是检索问题还是生成问题？（钉钉）
• 术语归一化为什么需要？（携程）
• RAG 知识入库流程？增量更新耗时在哪些环节？知识库如何持续保鲜？（字节 / 快手 / 美团）
• Graph RAG 和 Agentic RAG 是什么？（快手）
• RAG 的数据安全 / 隐私泄露问题如何解决？（字节 / 蚂蚁）
• RAG 服务降级策略如何设计，哪些场景触发降级？（京东）
• 为什么要做多路（向量 + 关键词 + 层级）召回？每一路的优缺点和 bad case 分别是什么？最初的设计初衷是解决什么实际问题？（字节）
• 多路召回结果冲突时怎么确定 Top？RRF 具体怎么融合三路结果？（字节）
• 召回了 30 条但上下文只放得下 6 条，你怎么取舍？（字节）
• 带权限的知识库，是 ACL 先过滤再召回，还是先召回再过滤？越权召回怎么做监控、怎么验证数据没被越权访问？（字节）
• 为什么 Top-K 不能设得过大？切完 chunk 之后 Top-K 应该怎么选？
• RAG 无召回 / 召回不准时，除了换 Embedding 还有哪些解法？召不回时应该怎么回复用户？（小鹏）
• 如何定位一次具体的检索失败案例？只有两天时间要把命中率从 60% 提到 90%，你先动哪里？
• 为什么向量相似不一定等于语义相似？垂直领域的专业术语会不会让 Embedding 效果下降，怎么办？（小红书 / 字节）
• 文档频繁更新时，如何保证向量索引与原文一致？增量更新的耗时主要花在哪些环节？（小红书）
• 长文档跨章节、召回片段指向其他文档时如何切分与召回？跨窗口多轮对话怎么保证还能召回前文内容？（字节 / 小红书）
• 知识图谱和向量检索如何配合？是先查图库再查向量库，还是反过来？图谱是初期就上还是等向量库扛不住再上？
• 什么是 Agentic Search？Graph RAG 和多跳检索分别解决什么问题？（小红书 / 亚信）
• 什么时候触发联网检索、什么时候直接回答？常识类问题也强制检索吗？（字节）
• 如何判断模型是「不知道需要检索」才幻觉，还是「知道需要检索但没执行」？（字节）
• 入库、混合检索、重排这几步里，哪一步的投入产出比最高？
• 完整讲一遍文档导入流水线：从 API 上传到最终可被检索，中间有哪些处理环节？
• 如何构建数据集来验证 RAG 系统效果？评测集需要多少条、从哪来？（字节）

AI Agent：架构、工具调用、记忆与多智能体

这一章是 2026 年占比最重的部分，也是最容易问出真实水平的部分——概念题几乎都会被追一句「你们项目里具体怎么做的」。

概念与架构

• AI Agent 是什么？Agent 究竟解决了什么问题，为什么用 Agent 而不是直接用大模型？（蚂蚁 / 字节 / 快手 / 腾讯）
• 常见 Agent 架构模式有哪些？ReAct / Plan-Execute-Replan / Multi-Agent 分别适用什么场景？（阿里 / 美团 / 字节）
• ReAct 是什么？工作流程、优缺点？循环如何防止无限调用 / 提前退出？如何用状态机实现？（腾讯 / 京东 / 美团）
• Plan-Execute-Replan 为什么需要监管 Agent？（字节）
• Agent 和 Workflow 的关系，分别适合什么场景？（字节）
• Agent 项目与传统后端项目的架构差异？（快手）
• Agent 的组装链 / 执行链如何设计，执行时如何降级？（腾讯）
• 用大白话说清楚什么是 Agent。它和传统对话系统、Siri 类助手、传统 RPA 的边界分别在哪？（字节 / 通义）
• 搭一个大模型应用，如何在「单次提示词 / Workflow / Agent」三种方案之间选型？判断依据是什么？（字节）
• 什么时候应该固化成垂直领域 Agent，什么时候要保系统泛化性？遇到从没设计过的 Agent 类型怎么保证泛化能力？（字节）
• 最小可用 Agent 的核心模块是不是一个 ReAct Loop？除了工具调用还必须实现什么？
• 企业落地 Agent 系统最大的瓶颈是什么？用 Agent 有哪些弊端、怎么降低风险？（小红书 / 字节）
• 复杂场景既需要 Plan-Execute 的全局规划、又需要 ReAct 的实时反馈，架构怎么设计？（小红书）

Agent Harness（2026 新热点）

• 对 Agentic RL 的了解？harness 做的事情 LangChain 等也一直在做，为什么 harness 现在这么火，区别是什么？（字节大模型算法三面）
• 聊 harness、Hermes 这种比较新的 Agent 设计，讲讲最新看的论文。（字节暑期）
• OpenClaw / Manus 是什么？为什么火？区别是什么？（美团）
• Agent Harness 主要解决什么问题？上下文工程和 Harness 工程有什么区别？（小红书）
• 市面上主流的开源 Agent Harness 框架有哪些？你最近了解过哪些？（快手）
• 你了解 Claude Code 的上下文管理方式和实现思路吗？（快手 / 蔚来）
• 为什么不用 Deep Agents 而选 LangGraph？你认为 Deep Agents 不稳定的原因是什么？
• 业界这么多 Agent Runtime，平台侧如何统一适配和管理？（字节）
• 未来更可能是一个 Super Agent 通吃所有任务，还是 Host Agent 加多个 Sub Agent？（字节）

工具调用：Function Calling、MCP 与 Skills

• Function Calling 的原理与执行流程？模型如何知道调用哪个工具？如何理解 Tool Use？（阿里 / 快手 / 京东）
• 大模型返回的 Function Call 参数格式不对怎么办？（阿里）
• MCP 是什么？主要作用？底层原理？与 Function Calling / 传统 Tool 注册的区别？（字节 / 腾讯 / 京东 / 阿里）
• MCP 和 Skills 有什么区别？Prompt、MCP、Skills、Subagent 分别如何理解？（字节 / 京东 / 美团）
• Agent Skills 是什么、如何加载、如何实现？为什么用 Skills 能减少 token 消耗？（网易 / 快手 / 腾讯）
• Function Call、MCP、Skill 三者区别？（B站）
• 大规模工具集下如何降低工具调用幻觉、提升准确性？工具调用失败如何处理？（字节 / 快手）
• 没有 MCP 之前多 Agent 协同是怎么做的？（用 Function Calling 分发）
• MCP 是否已经过时？为什么现在没那么流行了？（阿里千问）
• A2A 和 MCP 是什么关系？多 Agent 之间的通信协议应该怎么设计？（阿里千问 / 字节）
• 如果让你设计一套 Agent Skill 系统，你会怎么设计？一个好的 Skill 结构应该包含哪些字段？（快手）
• 注册了上百个候选 Skill 该怎么处理——检索、分层还是渐进式披露？（快手）
• Skill 相比纯模型回答为什么能提升准确性？你怎么验证一个 Skill 真的带来了效率提升？（快手）
• 工具调用的编排放在 Skill 里还是 Agent 里？工具在 Agent 内定义，还是由 MCP 平台统一提供？
• 如何决定哪个 Agent 能访问哪些 MCP 服务？所有 Agent 都能访问全部 MCP 吗？
• 模型输出格式漂移导致工具调用失败，如何用提示词约束加结构化校验解决？边界条件和错误场景怎么定义？（快手）
• 工具调用报错、长时间无响应、连续失败时的重试、超时与异常隔离策略怎么设计？（快手 / 蔚来）
• 大量工具并存时，如何提升模型选对工具的准确率？除了工具描述还有什么手段？

记忆与上下文工程

• Agent 的短期记忆和长期记忆如何实现、如何区分？记忆管理如何设计？（京东 / 携程 / 美团 / 快手）
• 记忆模块选什么数据库，选型依据？（京东科技）
• 记忆如何召回？如何评估召回效果？如何避免不同问题召回记忆相互污染？（字节）
• 上下文管理机制如何设计？上下文压缩有哪些策略、如何避免过滤有用信息 / 保留噪声？（京东物流 / 阿里）
• 长对话 / 上下文窗口受限如何处理超长上下文？滑动窗口 + 摘要方案？（字节 / 腾讯）
• 上下文管理的本质是什么？一套完整的上下文管理策略包含哪些环节，最重要的是哪一环？（字节）
• 上下文压缩应该放在链路的哪一步？是先压缩再向量化，还是反过来？（字节）
• 工具调用结果怎么压缩——原地压缩还是交给另一个模型处理？压缩之后对执行效果和耗时有什么影响？（字节）
• 为什么上下文越长，模型结果反而越不稳定？为什么指令在上下文里的位置会影响效果？System Prompt 为什么要放最前面？
• 快到上下文窗口阈值时，如何避免一次性大段压缩打断用户体验？（字节）
• 除了压缩，还有哪些规避上下文窗口限制的方案（落盘摘要、外部记忆、大结果卸载）？大结果卸载在工程上怎么实现？（字节 / 蔚来）
• 多轮长任务如何避免「任务目标迷失」？怎么理解「无限长记忆」和必须舍弃历史信息之间的矛盾？（字节）
• 怎么区分上下文污染和工具污染？AI 工具上下文跑偏时，是继续控制上下文还是新开一个 session？（字节）
• 长期记忆和 RAG 有什么区别？Agent 的记忆为什么要区分长短期，架构上有什么不同？（阿里千问 / 通义）
• 记忆有没有量化指标？怎么评测记忆对 Agent 效果的贡献？怎么避免不同问题召回的记忆互相污染？（字节）
• 长期运行的 Agent 面对数月甚至更久的历史对话，记忆系统怎么优化？记忆如何在多个 Agent 之间流转？（小红书 / 蔚来）
• 设计长期记忆时，如何权衡向量检索成本和召回精度？（通义）
• 如何保证压缩过程中不丢关键内容？怎么判断上下文里哪些是关键内容？压缩导致结果失真如何缓解？（小红书）

多智能体协作

• 多 Agent 协作模式如何理解？多 Agent 相比单智能体的优势？（阿里 / 美团）
• 子 Agent 之间如何交互 / 通信？交互协议如何设计？串行还是并行执行、如何取舍？（美团 / 快手）
• 主 Agent 如何动态识别并选择要调用的子 Agent？固定工作流还是动态判断？（美团）
• 多个 Agent 策略结论 / 角色不一致时如何处理？（京东）
• Agent 多轮工具调用 vs 单轮，有什么挑战？（阿里）
• 主 Agent 怎么知道子 Agent 已经执行完成？子任务结果如何回收？（蔚来）
• 多 Agent 用独立 JSON 消息做异步通信要怎么设计？通信失败有哪些兜底机制？（蔚来）
• 用 Markdown 文件在 Agent 之间传递任务时，如何防止任务拆分阶段的错误一路传播下去？（字节）
• 多个 Agent 如何做到完全隔离（上下文、权限、存储）？跨 Agent 场景下统一存储怎么通信和传输？（字节 / 蚂蚁）
• 多 Agent 调研类系统该选中心化还是去中心化调度？怎么做到子任务失败可回退、进度可观测、不重复抓取？
• 除了路由分发，还有哪些常见的多 Agent 协作方式？是否了解 Agent Team 和动态任务分发机制？（字节）
• 多智能体是否真的能提升效率？相比单智能体的独特价值怎么证明、怎么评估？（字节）
• 子 Agent 执行中发现需要额外的新任务，任务应该怎么流转和审批？（腾讯广告）

评估、安全与兜底

• Agent 评估体系包括哪些维度？如何衡量 planning 能力 vs hallucination rate？（阿里）
• Agent 项目应统计哪些指标衡量效果？（字节）
• 智能体死循环 / 无限调用的原因及解决？为什么要设计三层防护机制？Token 监控与防循环？（字节 / 快手）
• Agent 如何做权限控制避免越权 / 不合理操作？金融场景如何限制 Agent 直接执行真实资金操作？（腾讯 / 京东）
• 为什么 Agent 能力要采用「渐进式披露」？（美团）
• Prompt Injection / Indirect Prompt Injection 是什么？如何防范恶意提示词？（钉钉）
• 沙箱机制如何实现？（B站系统设计）
• 生产环境 Agent 的四类典型故障——思考链错误传播、工具幻觉、JSON 格式崩坏、无限循环调用——分别是怎么发生的？如何从模型提示、Agent 调度框架、工程校验三层分别解决？（字节）
• 如何设计机制终止无效循环，而不是只依赖最大轮次？超时和重试限制怎么设？（字节）
• 线上 Agent 一直调工具但不返回结果，怎么 Debug？多步任务失败时如何区分是 Prompt、模型、工具还是逻辑问题？（字节 / 腾讯混元）
• 如何建立 Agent 的可观测性（轨迹留存、指标、回放）？除响应速度外，哪些指标能体现真实的问题解决能力？（通义）
• 幻觉率怎么定义和计算？幻觉如何分类？靠人工标注还是自动评测？降幻觉的数字是怎么量化出来的？（字节）
• 如何区分「内容过时」和「模型幻觉」？（字节）
• HITL：触发人工确认时 Agent Loop 处于什么状态？状态怎么暂停、暂存和恢复？用户确认或拒绝后怎么继续执行？（蔚来）
• 哪些内容必须人工审核、不能交给 Agent？运维类 Agent 能重启机器和服务时，高危操作怎么管控？（蚂蚁 / 唯品会）
• 如何防止网页、外部文档里的恶意指令注入 Agent？抓回来的内容怎么保证可信？（字节）
• Agent 已经完成初始身份认证，为什么还需要连续认证？MCP Tool 加上身份校验后，入参、处理和返回值有什么变化？（字节）
• 如何防止用户恶意引导模型传入其他用户的 ID？模型传错 ID 时怎么处理？
• Agent 执行到中间某个阶段出异常，如何断点恢复？整体兜底方案是什么？（字节）
• Agent 的执行过程要不要向用户透明展示？展示到什么粒度？

系统设计题（高频压轴）

• 设计一个多 Agent 自动 PR 系统 / 单 Agent 类 GPT web 应用（从沙箱、Agent 通信、上下文管理、工具触发、安全性几个角度展开）。（B站）
• AI 客服 Agent / 视频问答 Agent / 股票分析 Agent 全链路如何设计？（阿里 / 快手 / 京东）
• 设计一个 AI 代码 Review Agent：输入一个 PR，整体方案怎么做？最重要的三个点是什么？怎么保证它只提意见、不直接改代码？（字节）
• 设计企业知识库 / 本地化 Wiki Agent：完整链路、文档导入、权限隔离、效果评测怎么串起来？（字节 / Shopee）
• 设计一个内容标注 Agent（视频 / 图文）：流程如何划分，要用到素材里的哪些信息？（抖音）
• 设计电商客服 Agent：如何理解表达能力参差的用户的模糊需求？商品召不回时怎么回复？核心成功指标怎么定？（通义）
• 设计运维 / 故障排查 Agent：支付接口超时时它怎么跑完整套排查流程？高危操作如何管控？（字节 / 唯品会）
• 设计多 Agent 文献调研系统：三个核心风险是什么，分别怎么应对？
• 设计一个覆盖训练、微调、评测、部署、服务的一体化 AI 开发平台，你会怎么分层？（腾讯混元）

大模型应用工程：框架、Prompt、Token 与服务化

• LangChain 和 LangGraph 有什么区别？LangGraph 的状态快照机制怎么实现？（字节 / 快手）
• 为什么选 Spring AI 而不是 LangChain4j？Java 端如何适配 LangChain / LangGraph？（京东 / 字节 / 快手）
• 主流 Agent 框架有哪些？非 Java 生态的 Agent 框架？（快手 / 京东）
• CoT 是什么？为什么能提高复杂任务处理能力？Few-shot 与 CoT 如何应用？（快手）
• Prompt 设计的实践原则？Prompt 调优从哪些方面入手？版本管理如何设计？（快手 / 京东）
• System Prompt 和 Assistant Prompt 的区别？Prompt 压缩以降低 token？（腾讯）
• 大模型结构化输出 / 稳定返回正确 JSON 如何实现？JSON 解析失败如何降级？（百度 / 小红书）
• 大模型的「温度」是什么？什么场景会调温度参数？（B站）
• Token 如何计费？如何统计与可视化？如何节省 token？（飞猪 / 百度）
• 为什么不直接调大模型 API，而要设计统一的大模型服务架构？大模型接入方案如何选型？（京东科技 / 腾讯）
• 大模型选型要考虑哪些因素？什么时候考虑微调？（京东 / 字节）
• 幻觉的类型有哪些？工程上如何缓解 / 落地控制？（快手 / 京东）
• 如何检测大模型回答质量 / 输出准确率？如果检测 Agent 自身也会幻觉，如何保证其可靠？（滴滴 / 美团 / 腾讯）
• CLIP zero-shot 能力如何实现？多模态图文对齐方案？图像 Token 冗余过多如何解决？Embedding 模型与 Reranker 的差异、训练 Loss 区别？（腾讯 / 爱奇艺）
• 如何设计「按任务动态选模型」的路由机制？复杂任务和简单任务该不该用不同档位的模型？主 Agent 和子 Agent 分别用多大参数量？
• 为什么不直接换参数更大、能力更强的模型？什么业务适合大模型、什么适合小模型？小模型能否独立干活？（美团）
• Token 成本治理怎么做——监控、归因、配额还是缓存？你清楚自己每天 / 每月大概消耗多少 Token 吗？（腾讯 / 字节）
• 你认为 Agent 的商业化成本是在上升还是下降？（拼多多）
• Prompt Cache 和多模型缓存适配是怎么实现的？
• 提示词的结构怎么组织，需要注意什么？用中文还是英文写？多类精细化提示词是前置分类，还是在子模块里决定用哪一类？（蔚来）
• Prompt 和模型配置如何做版本管理与灰度？什么情况该调 Prompt、什么情况该改 Agent 工作流？（字节 / Shopee）
• 让 AI 自己生成 Prompt、再由 Prompt 生成一个新 Agent，这条链路怎么设计？（字节）
• 大模型输出的校验该由模型做还是代码做？校验模板化怎么落地？（字节）
• 是否实验过不同 Temperature 对模型效果的影响？什么场景需要调？
• 大模型回答要同时满足相关性、准确性和权威性，只能舍一个的话舍哪个？为什么？
• 如何建立一套大模型效果评估体系？如何对业务在用的模型做系统评测、并做横向对比选型？（蔚来 / 美团 / 百度）

多模态、具身智能与垂类大模型

这一块是 2026 年新长出来的方向，题目还没沉淀成八股，问法普遍偏开放，更看重你有没有真的动手做过。

• 多模态模型怎么做图文对齐？「小狗在草地上玩耍」这句话和对应图片是怎么匹配上的？
• 改进过的视觉编码器和没改进的，你怎么设计对比实验来验证效果？
• 图像 token 冗余过多如何解决？模型应该如何表示音频、视频、数字人这类多模态元素？（腾讯 / 语核科技）
• 图片是如何向量化的？图搜、图文混合检索的链路怎么设计？
• 如果要把纯文本 RAG 扩展到支持图片和视频，你会怎么处理和设计？（字节）
• 视频内容识别与拆解 Agent：模型、工具和执行架构怎么选？核心流程如何划分？（语核科技）
• 原始 VLA 模型不做数据收集和微调时表现如何？微调需要多少数据？（字节）
• 具身场景里，低频的模型推理和高频的实时控制怎么同步？推理放本地还是云端？在线跑视觉、语言和控制模块会不会卡顿？（字节）
• 层次化 VLA 范式和直接训练一个通用视觉运动模型，你倾向哪种？为什么？
• 视觉模型的推理时延、端到端延迟和 Token 生成速度怎么测？指标是固定的吗？
• 是否关注过用多模态模型加代码直接编排机器人任务的做法？（字节）
• 时序大模型目前业界主流有哪些、各自什么特点？这个领域的预训练现状如何？（字节）
• 面向图文、视频、语音、评论等多模态内容，如何设计标签体系和采集策略？（小红书）

高频手撕算法题

大模型岗的手撕分两类：一类是本岗位特色的模型 / Agent 手撕，一类是照常考的通用算法题。前者近一年权重明显上升。

• 多头注意力 MHA（可扩展 cross-attention）、用 Python 实现 MoE —— 大模型岗特色手撕
• 脱离任何框架，手写一个 ReAct 模式的最小 Agent：工具注册、循环控制、终止条件、异常处理分别怎么实现 —— 2026 下半年新出现的高频手撕，应用岗尤其常考
• 手写一个简易上下文压缩 / 滑动窗口摘要逻辑（给定消息列表和 token 上限，决定保留、摘要还是卸载）
• 反转链表 / 链表相加（双指针）/ 排序链表
• 二叉树层序遍历、接雨水、无重复字符的最长子串
• 最大正方形（01 矩阵）、路径总和 III、x 的平方根（整数）
• Top-K（快速选择 vs 堆，复杂度 / 并行化 / 无序数组能否二分）、字符串解码 k[encoded]
• 正则匹配连续 N 位数字

软性问题与反问

• 深挖简历里每个项目（落地逻辑、核心难点、指标怎么量化出来的、后续改进思路）——这是所有大厂面试的主线，占比最高
• 平时关注哪些 AI 前沿技术？最近看的大模型论文？（字节 / 蚂蚁反复问）
• 你怎么看 AI 对软件工程 / 学习的影响？（B站）
• 平时用哪些 AI 编程工具（Claude Code / Cursor / Codex / 通义灵码）？怎么用的？（高频闲聊切入）
• 你在 AI 编程工具里装了哪些 Skill、写过哪些复杂 Skill？效果怎么验证的？（快手）
• AI Coding 流程里如何避免大模型随意发挥、改坏历史功能？（阿里）
• AI 编程中的 Plan 模式和 Agent 模式有什么区别？（小红书）
• 怎么看待从提示词工程到 Skill 这类概念的快速迭代？用框架和直接调大模型的差异在哪？（字节）
• To C 和 To B 的 AI Agent 哪个会先爆发？未来 AI Agent 会是什么形态？（腾讯）
• 你如何甄别 AI 输出的思路和内容是否准确，避免被幻觉带偏？（OPPO）
• 你自己搭过 Agent 吗？工作流是怎样的？能不能现场演示一下你负责的 Agent？（越来越常见的「当场验真」）

备考重点

算法岗（字节 / 阿里 / 美团大模型算法）——强化学习对齐是绝对重灾区：PPO、DPO、GRPO 的公式，Advantage、KL、on/off-policy、reward hacking 必须能推能讲；Transformer 结构细节（RMSNorm、RoPE、GQA、SwiGLU、MoE）加手撕 MHA。

应用 / 后端岗（快手 / 腾讯 / 京东 / 网易 AI 应用开发）——RAG 全链路加 Agent 工程（工具调用、MCP、记忆、多智能体），框架层面 LangGraph 和 Spring AI 都要能聊，重点是结合项目讲落地。

两类岗都会问的通吃项：RAG、Agent 架构、Function Calling 与 MCP、幻觉治理、vLLM 推理。

2026 下半年新增的四个重灾区：上下文工程（压缩放在哪一步、工具结果怎么压、上下文污染怎么判）、Skill 与 Harness 体系（怎么设计、上百个 Skill 怎么管、和 MCP 的边界）、HITL 与权限管控（Loop 状态怎么暂停恢复、ACL 先过滤还是后过滤、越权怎么监控）、成本与可观测性（Token 治理、轨迹留存、失败归因）。这四块在应用和工程岗几乎每轮都会问，而且都要求结合项目讲出具体做法和数字。

面试官越来越爱追问「怎么量化」：幻觉率怎么定义、召回率怎么测、记忆有没有指标、提升的百分比用哪个测试集算出来的。简历上写的每个数字都要能讲清楚是怎么算出来的——只报结论不报口径，基本会被一路追到底。

常见问题

这份题单是怎么整理出来的？

来源是面灵AI 收录的真实面试记录和平台题库沉淀，再结合公开面经交叉核对，把同一道题的不同问法合并去重，按主题归类。括号里标注的是近期实际问过这道题的公司，只作参考，不代表完整名单。

大模型算法岗和 AI 应用开发岗，题目差别大吗？

差别主要在前三章和后三章。算法岗把重心压在模型结构、训练和强化学习对齐上，手撕也偏模型实现；应用开发岗几乎不问 RLHF 推导，但 RAG 全链路、Agent 架构、工具调用和上下文工程会问得非常细，还会要求你讲清线上事故是怎么定位的。中间的 RAG 和 Agent 两章是两类岗位的公共部分，谁都躲不掉。

只背这些题能过面试吗？

不能。这份题单解决的是「准备方向不跑偏」的问题——它告诉你面试官现在在问什么、往哪个方向追。但 2026 年的大模型面试有一半时间在挖你的项目细节，几乎每道概念题后面都跟着一句「你们具体怎么做的、效果怎么量化的」。建议按题单排查自己的知识盲区，同时给每个主题准备一个自己做过的真实案例。

没有大模型项目经历怎么办？

先把 RAG 和最小 Agent 这两条链路自己完整搭一遍——从文档切分、向量入库、混合检索、重排，到一个能注册工具、控制循环、处理异常的 ReAct Loop。这两件事都能在本地做完，也正好覆盖题单里问得最密的部分。搭的过程中记录踩过的坑和调优前后的数据，这些细节比项目本身的规模更能说服面试官。

有没有针对具体公司的版本？

这份是按岗位大类整理的通用版。如果你有明确的目标公司和岗位，可以用面灵AI的定制题库功能，结合你的简历生成更贴合目标的专属题库和参考回答。