AI 应用开发面试通常从一次模型调用问起，再延伸到 RAG、Agent、工具调用和系统设计。除了概念，面试中还会检查你能否解释完整链路，定位效果问题，并处理成本、稳定性和权限风险。
这篇文章是 AI 面试题的总入口。四篇题目页负责集中列出问题，详细原理、代码、图解和工程方案放在对应专题文章中。
面试题目录
面试题模块主要内容适合重点复习的人群大模型基础面试题总结Token、上下文窗口、采样参数、API 调用、流式输出、结构化输出、Function Calling、AI 应用评测所有准备 AI 应用开发面试的人AI Agent 面试题总结Agent Loop、Memory、Prompt Engineering、Context Engineering、MCP、Agent Skills、Harness Engineering、Workflow、Graph、Loop准备 Agent、工具调用和工作流相关岗位的人RAG 面试题总结RAG 基础、Embedding、向量数据库、文档处理、Hybrid Search、Query Rewrite、Rerank、GraphRAG、知识库更新与评测准备知识库问答和搜索增强生成相关岗位的人AI 系统设计面试题总结生产级架构、模型网关、调用治理、可观测、评测、安全合规、实时语音 Agent有项目经验或需要准备系统设计面试的人
面试题模块主要内容适合重点复习的人群
面试题模块
主要内容
适合重点复习的人群
大模型基础面试题总结Token、上下文窗口、采样参数、API 调用、流式输出、结构化输出、Function Calling、AI 应用评测所有准备 AI 应用开发面试的人
大模型基础面试题总结
Token、上下文窗口、采样参数、API 调用、流式输出、结构化输出、Function Calling、AI 应用评测
所有准备 AI 应用开发面试的人
AI Agent 面试题总结Agent Loop、Memory、Prompt Engineering、Context Engineering、MCP、Agent Skills、Harness Engineering、Workflow、Graph、Loop准备 Agent、工具调用和工作流相关岗位的人
AI Agent 面试题总结
Agent Loop、Memory、Prompt Engineering、Context Engineering、MCP、Agent Skills、Harness Engineering、Workflow、Graph、Loop
准备 Agent、工具调用和工作流相关岗位的人
RAG 面试题总结RAG 基础、Embedding、向量数据库、文档处理、Hybrid Search、Query Rewrite、Rerank、GraphRAG、知识库更新与评测准备知识库问答和搜索增强生成相关岗位的人
RAG 面试题总结
RAG 基础、Embedding、向量数据库、文档处理、Hybrid Search、Query Rewrite、Rerank、GraphRAG、知识库更新与评测
准备知识库问答和搜索增强生成相关岗位的人
AI 系统设计面试题总结生产级架构、模型网关、调用治理、可观测、评测、安全合规、实时语音 Agent有项目经验或需要准备系统设计面试的人
AI 系统设计面试题总结
生产级架构、模型网关、调用治理、可观测、评测、安全合规、实时语音 Agent
有项目经验或需要准备系统设计面试的人
四个模块怎么串起来
大模型基础决定一次调用如何运行。Token 和上下文窗口影响容量与成本，采样参数影响输出波动，Streaming、重试、限流和结构化输出决定后端能否稳定接住模型结果。这部分可以先看 大模型基础面试题总结。
RAG 和 Agent 处理的是两类不同问题。RAG 从外部知识源中检索证据，Agent 根据任务状态决定下一步动作并调用工具。企业知识库、智能客服和数据分析助手通常会同时使用二者，对应题目在 RAG 面试题总结 和 AI Agent 面试题总结 中。
模型调用、检索和工具进入真实业务后，还要补上模型网关、权限、审计、评测、灰度和回滚。这些内容会在 AI 系统设计面试题总结 中集中出现。
按经验选择复习深度
经验阶段复习重点回答需要达到的程度应届生、0～1 年大模型基础、RAG 链路、Agent Loop、简单的应用架构能解释主要概念，并说清一次模型调用或知识库问答的完整流程2～3 年API 调用工程、RAG 排查、工具治理、状态与可观测能根据失败现象定位环节，说明方案选择和异常处理3 年以上模型网关、成本、安全、评测、灰度、回滚和架构演进能设计完整系统，说明容量、权限、故障恢复、质量验证和后续演进
经验阶段复习重点回答需要达到的程度
经验阶段
复习重点
回答需要达到的程度
应届生、0～1 年大模型基础、RAG 链路、Agent Loop、简单的应用架构能解释主要概念，并说清一次模型调用或知识库问答的完整流程
应届生、0～1 年
大模型基础、RAG 链路、Agent Loop、简单的应用架构
能解释主要概念，并说清一次模型调用或知识库问答的完整流程
2～3 年API 调用工程、RAG 排查、工具治理、状态与可观测能根据失败现象定位环节，说明方案选择和异常处理
2～3 年
API 调用工程、RAG 排查、工具治理、状态与可观测
能根据失败现象定位环节，说明方案选择和异常处理
3 年以上模型网关、成本、安全、评测、灰度、回滚和架构演进能设计完整系统，说明容量、权限、故障恢复、质量验证和后续演进
3 年以上
模型网关、成本、安全、评测、灰度、回滚和架构演进
能设计完整系统，说明容量、权限、故障恢复、质量验证和后续演进
工作年限只影响追问深度。简历里写了企业知识库、Agent 平台或 AI 客服，面试官通常会沿着项目继续问数据来源、权限、效果指标、异常处理和上线后的维护方式。
面试题页和专题文章怎么配合
可以先快速过一遍题目页，把暂时讲不清的问题标出来，再进入对应专题文章查看完整上下文。例如：
Token、上下文窗口和采样参数可以回到 大模型基础专题；
Agent Loop、Memory、MCP 和 Skills 可以回到 AI Agent 专题；
Chunk、向量检索、Rerank 和知识库更新可以回到 RAG 专题；
模型网关、实时语音和生产架构可以回到 AI 系统设计专题。
看完原文后，再回到题目复述一遍。答案需要包含具体机制、适用场景和限制，涉及项目时还要补上当时的业务约束、数据规模和故障处理方式。
如果已经有 Agent 项目，可以继续看 《Agent 项目面试怎么讲？从系统架构、技术选型到 Badcase 复盘》。这篇文章不再按知识点列题，而是演示如何把真实经历整理成“背景约束 → 架构链路 → 选型取舍 → 效果证据 → 失败复盘”的完整回答。
《Agent 项目面试怎么讲？从系统架构、技术选型到 Badcase 复盘》
项目经历常见追问
项目为什么选择当前模型？更换模型需要比较哪些指标？
RAG 出现召回不到、排序错误或答案不忠实时，分别怎么排查？
Agent 调错工具、参数不合法或写操作超时时，系统如何处理？
如何证明一次 Prompt、模型或检索配置调整带来了改善？
模型供应商限流或不可用时，如何排队、降级和切换？
知识库和工具调用如何做租户隔离、权限校验与审计？
项目上线后记录了哪些质量、成本、延迟和错误指标？
这些问题都能在四篇题目页中找到对应模块。准备项目经历时，优先使用自己项目里的真实约束和处理过程，专题文章中的方案用于补充原理与备选做法，不要编造并不存在的数据和职责。