小宇宙note

大模型面试题：LLM/Agent/RAG/工具

11. LangChain 大版本升级有哪些核心变化？ — # 11. LangChain 大版本升级有哪些核心变化？ [11. LangChain 大版本升级有哪些核心变化？](#_11-langchain-大版本升
5. 在 LangChain 中，如何为 Agent 注册工具？ — # 5. 在 LangChain 中，如何为 Agent 注册工具？ [5. 在 LangChain 中，如何为 Agent 注册工具？](#_5-在-lan
6. LangChain 如何实现短期记忆和长期记忆？ — # 6. LangChain 如何实现短期记忆和长期记忆？ [6. LangChain 如何实现短期记忆和长期记忆？](#_6-langchain-如何实现短
10. LangGraph 相比于 LangChain 有哪些核心优势？更适配哪些 Agent 场景？ — # 10. LangGraph 相比于 LangChain 有哪些核心优势？更适配哪些 Agent 场景？ [10. LangGraph 相比于 LangCh
7. LangChain 和 LlamaIndex 有什么区别？ — # 7. LangChain 和 LlamaIndex 有什么区别？ [7. LangChain 和 LlamaIndex 有什么区别？](#_7-langc
9. 请你详细说说 LangChain 和 LangGraph 的核心区别是什么？ — # 9. 请你详细说说 LangChain 和 LangGraph 的核心区别是什么？ [9. 请你详细说说 LangChain 和 LangGraph 的核
3. LangChain 的底层架构与实现原理是什么？ — # 3. LangChain 的底层架构与实现原理是什么？ [3. LangChain 的底层架构与实现原理是什么？](#_3-langchain-的底层架构
8. 请你谈谈 LangChain4j 这类 Java 生态的 LangChain 衍生框架，主要帮开发者解决了哪些核心问题？它的核心适用场景是什么？ — # 8. 请你谈谈 LangChain4j 这类 Java 生态的 LangChain 衍生框架，主要帮开发者解决了哪些核心问题？它的核心适用场景是什么？ [
12. Deep Research 的实现逻辑和适用场景是什么？ — # 12. Deep Research 的实现逻辑和适用场景是什么？ [12. Deep Research 的实现逻辑和适用场景是什么？](#_12-deep
2. 请你谈谈对 LangChain 中核心概念「Chain」的理解，以及它的核心作用与设计理念。 — # 2. 请你谈谈对 LangChain 中核心概念「Chain」的理解，以及它的核心作用与设计理念。 [2. 请你谈谈对 LangChain 中核心概念「C
4. 使用 LangChain 构建 Agent 的核心步骤是什么？ — # 4. 使用 LangChain 构建 Agent 的核心步骤是什么？ [4. 使用 LangChain 构建 Agent 的核心步骤是什么？](#_4-使
1. 你了解过哪些 AI Agent 开发框架？ — # 1. 你了解过哪些 AI Agent 开发框架？ [1. 你了解过哪些 AI Agent 开发框架？](#_1-你了解过哪些-ai-agent-开发框架)
LLM工具调用面试题介绍 — # LLM工具调用面试题介绍 [LLM工具调用面试题介绍](#llm工具调用面试题介绍) ![](https://cdn.xiaolincoding.com
9. Skill 是什么？ — # 9. Skill 是什么？ [9. Skill 是什么？](#_9-skill-是什么) 👔面试官：说说 Agent Skill 是什么？ 🙋‍♂
8. 为什么有些特定的推理模型不支持 MCP 协议？ — # 8. 为什么有些特定的推理模型不支持 MCP 协议？ [8. 为什么有些特定的推理模型不支持 MCP 协议？](#_8-为什么有些特定的推理模型不支持-m
7. Function Calling 也属于工具调用，请问什么场景下使用 Function Calling，什么场景下使用 MCP？ — # 7. Function Calling 也属于工具调用，请问什么场景下使用 Function Calling，什么场景下使用 MCP？ [7. Funct
6. MCP 和 Function Calling 有什么区别？有没有实际跑过 MCP？ — # 6. MCP 和 Function Calling 有什么区别？有没有实际跑过 MCP？ [6. MCP 和 Function Calling 有什么区别
5. MCP 由哪几部分组成？ — # 5. MCP 由哪几部分组成？ [5. MCP 由哪几部分组成？](#_5-mcp-由哪几部分组成) 👔面试官：说说 MCP 由哪几部分组成？ 🙋
4. 什么是 MCP（模型上下文协议）？讲讲它的核心内容？ — # 4. 什么是 MCP（模型上下文协议）？讲讲它的核心内容？ [4. 什么是 MCP（模型上下文协议）？讲讲它的核心内容？](#_4-什么是-mcp-模型上
3. 大模型的 Function Call 能力是怎么训练出来的？ — # 3. 大模型的 Function Call 能力是怎么训练出来的？ [3. 大模型的 Function Call 能力是怎么训练出来的？](#_3-大模型
2. LLM 是如何学会调用外部工具的？ — # 2. LLM 是如何学会调用外部工具的？ [2. LLM 是如何学会调用外部工具的？](#_2-llm-是如何学会调用外部工具的) 👔面试官：说说大模
1. 什么是 Function Calling ？原理是什么？ — # 1. 什么是 Function Calling ？原理是什么？ [1. 什么是 Function Calling ？原理是什么？](#_1-什么是-fun
16. 有没有用过大模型的网关框架？网关层解决了什么问题？ — # 16. 有没有用过大模型的网关框架？网关层解决了什么问题？ [16. 有没有用过大模型的网关框架？网关层解决了什么问题？](#_16-有没有用过大模型的网
15. 为什么要用 WebRTC 协议？它和 WebSocket（WS）在 AI 对话流中的核心差异是什么？ — # 15. 为什么要用 WebRTC 协议？它和 WebSocket（WS）在 AI 对话流中的核心差异是什么？ [15. 为什么要用 WebRTC 协议？它
14. 说说 WebSocket 和 SSE 通信的区别及局限性？ — # 14. 说说 WebSocket 和 SSE 通信的区别及局限性？ [14. 说说 WebSocket 和 SSE 通信的区别及局限性？](#_14-说说
13. MCP 协议通常采用什么通信方式？ — # 13. MCP 协议通常采用什么通信方式？ [13. MCP 协议通常采用什么通信方式？](#_13-mcp-协议通常采用什么通信方式) 👔面试官：M
12. 什么是 A2A 协议？它和 MCP 协议的区别是什么？ — # 12. 什么是 A2A 协议？它和 MCP 协议的区别是什么？ [12. 什么是 A2A 协议？它和 MCP 协议的区别是什么？](#_12-什么是-a2
11. Function Calling、Skill、MCP 这三个有什么区别？ — # 11. Function Calling、Skill、MCP 这三个有什么区别？ [11. Function Calling、Skill、MCP 这三个有
10. MCP 和 Agent Skill 的区别是什么？ — # 10. MCP 和 Agent Skill 的区别是什么？ [10. MCP 和 Agent Skill 的区别是什么？](#_10-mcp-和-agen
RAG 面试题介绍 — # RAG 面试题介绍 [RAG 面试题介绍](#rag-面试题介绍) ![](https://cdn.xiaolincoding.com//picgo/i
9. 讲讲你用的向量数据库？数据量级是多大？性能如何？遇到过性能瓶颈吗？ — # 9. 讲讲你用的向量数据库？数据量级是多大？性能如何？遇到过性能瓶颈吗？ [9. 讲讲你用的向量数据库？数据量级是多大？性能如何？遇到过性能瓶颈吗？](#
8. 什么是向量数据库？有没有做过向量数据库的对比选型？ — # 8. 什么是向量数据库？有没有做过向量数据库的对比选型？ [8. 什么是向量数据库？有没有做过向量数据库的对比选型？](#_8-什么是向量数据库-有没有做
7. Embedding 有哪几种算法你了解过吗？ — # 7. Embedding 有哪几种算法你了解过吗？ [7. Embedding 有哪几种算法你了解过吗？](#_7-embedding-有哪几种算法你了解
6. 在 RAG 中 Embedding 究竟是什么？如何选择和评估一个 Embedding 模型？ — # 6. 在 RAG 中 Embedding 究竟是什么？如何选择和评估一个 Embedding 模型？ [6. 在 RAG 中 Embedding 究竟是什
5. 怎么规避语义被切割掉的问题？ — # 5. 怎么规避语义被切割掉的问题？ [5. 怎么规避语义被切割掉的问题？](#_5-怎么规避语义被切割掉的问题) 👔面试官：Chunking 的时候语
4. RAG 中的文档是怎么存的？粒度是多大？详细说说文档切割（Chunking）策略？ — # 4. RAG 中的文档是怎么存的？粒度是多大？详细说说文档切割（Chunking）策略？ [4. RAG 中的文档是怎么存的？粒度是多大？详细说说文档切割
3. 相比直接微调 LLM，RAG 解决了什么问题？微调和 RAG 各自的优劣势是什么？ — # 3. 相比直接微调 LLM，RAG 解决了什么问题？微调和 RAG 各自的优劣势是什么？ [3. 相比直接微调 LLM，RAG 解决了什么问题？微调和 R
2. 大模型的 RAG 主要用来解决什么问题？ — # 2. 大模型的 RAG 主要用来解决什么问题？ [2. 大模型的 RAG 主要用来解决什么问题？](#_2-大模型的-rag-主要用来解决什么问题) �
20. 在实际落地中，你觉得 RAG 最难的地方是哪里？ — # 20. 在实际落地中，你觉得 RAG 最难的地方是哪里？ [20. 在实际落地中，你觉得 RAG 最难的地方是哪里？](#_20-在实际落地中-你觉得-r
1. 什么是 RAG？详细描述一个完整 RAG 系统的详细工作流程？ — # 1. 什么是 RAG？详细描述一个完整 RAG 系统的详细工作流程？ [1. 什么是 RAG？详细描述一个完整 RAG 系统的详细工作流程？](#_1-什
19. RAG 知识库如何实现动态与持续更新？ — # 19. RAG 知识库如何实现动态与持续更新？ [19. RAG 知识库如何实现动态与持续更新？](#_19-rag-知识库如何实现动态与持续更新) �
18. 怎么量化你的 RAG 效果？ — # 18. 怎么量化你的 RAG 效果？ [18. 怎么量化你的 RAG 效果？](#_18-怎么量化你的-rag-效果) 👔面试官：你们线上跑了 RAG
17. 如何规避 RAG 系统中大模型的幻觉？ — # 17. 如何规避 RAG 系统中大模型的幻觉？ [17. 如何规避 RAG 系统中大模型的幻觉？](#_17-如何规避-rag-系统中大模型的幻觉) �
16. 在什么场景下，你会选择使用图数据库来增强传统的向量检索？ — # 16. 在什么场景下，你会选择使用图数据库来增强传统的向量检索？ [16. 在什么场景下，你会选择使用图数据库来增强传统的向量检索？](#_16-在什么场
15. 了解哪些更复杂的 RAG 范式？ — # 15. 了解哪些更复杂的 RAG 范式？ [15. 了解哪些更复杂的 RAG 范式？](#_15-了解哪些更复杂的-rag-范式) 👔面试官：你了解哪
14. RAG 检索优化策略有哪些？ — # 14. RAG 检索优化策略有哪些？ [14. RAG 检索优化策略有哪些？](#_14-rag-检索优化策略有哪些) 👔面试官：RAG 系统的检索效
13. 什么是多路召回？具体怎么做？ — # 13. 什么是多路召回？具体怎么做？ [13. 什么是多路召回？具体怎么做？](#_13-什么是多路召回-具体怎么做) 👔面试官：你的 RAG 系统用
12. 如何润色用户的 Query（Query Rewrite）？目的是什么？ — # 12. 如何润色用户的 Query（Query Rewrite）？目的是什么？ [12. 如何润色用户的 Query（Query Rewrite）？目的是
11. 请你介绍一下向量检索和关键词检索的区别？ — # 11. 请你介绍一下向量检索和关键词检索的区别？ [11. 请你介绍一下向量检索和关键词检索的区别？](#_11-请你介绍一下向量检索和关键词检索的区别)
10. 你使用 RAG 给大模型一个输入，系统是怎样的工作流程？ — # 10. 你使用 RAG 给大模型一个输入，系统是怎样的工作流程？ [10. 你使用 RAG 给大模型一个输入，系统是怎样的工作流程？](#_10-你使用-
1. 什么是大语言模型？和传统 NLP 模型有什么区别？ — # 1. 什么是大语言模型？和传统 NLP 模型有什么区别？ [1. 什么是大语言模型？和传统 NLP 模型有什么区别？](#_1-什么是大语言模型-和传统-
2. 讲讲 Transformer 架构基本原理？Encoder 和 Decoder 是什么？ — # 2. 讲讲 Transformer 架构基本原理？Encoder 和 Decoder 是什么？ [2. 讲讲 Transformer 架构基本原理？Enc
5. 什么是大模型项目的分词器？原理是什么？ — # 5. 什么是大模型项目的分词器？原理是什么？ [5. 什么是大模型项目的分词器？原理是什么？](#_5-什么是大模型项目的分词器-原理是什么) 👔面试
13. 大模型的参数：温度值、Top-P、Top-K 分别是什么？各个场景下的最佳设置是什么？ — # 13. 大模型的参数：温度值、Top-P、Top-K 分别是什么？各个场景下的最佳设置是什么？ [13. 大模型的参数：温度值、Top-P、Top-K 分
7. 什么是 Scaling Law？大模型的「涌现能力」是怎么回事？ — # 7. 什么是 Scaling Law？大模型的「涌现能力」是怎么回事？ [7. 什么是 Scaling Law？大模型的「涌现能力」是怎么回事？](#_7
15. 大模型量化是什么？INT8/INT4/AWQ/GPTQ 怎么选？ — # 15. 大模型量化是什么？INT8/INT4/AWQ/GPTQ 怎么选？ [15. 大模型量化是什么？INT8/INT4/AWQ/GPTQ 怎么选？](#
16. 如何写好 Prompt？分享下 Prompt 工程实践经验？ — # 16. 如何写好 Prompt？分享下 Prompt 工程实践经验？ [16. 如何写好 Prompt？分享下 Prompt 工程实践经验？](#_16-
10. SFT 之后还有哪些 Post-Training？RLHF、DPO、GRPO、拒绝采样什么关系？ — # 10. SFT 之后还有哪些 Post-Training？RLHF、DPO、GRPO、拒绝采样什么关系？ [10. SFT 之后还有哪些 Post-Tra
4. 大模型的位置编码是干什么用的？sin/cos、RoPE、ALiBi 有什么区别？ — # 4. 大模型的位置编码是干什么用的？sin/cos、RoPE、ALiBi 有什么区别？ [4. 大模型的位置编码是干什么用的？sin/cos、RoPE、A
19. MoE 混合专家模型是什么？DeepSeek V3、Qwen 为什么用 MoE？ — # 19. MoE 混合专家模型是什么？DeepSeek V3、Qwen 为什么用 MoE？ [19. MoE 混合专家模型是什么？DeepSeek V3、Q
22. 对比使用过哪些主流大模型？你们项目中最终选用了哪个模型？为什么？ — # 22. 对比使用过哪些主流大模型？你们项目中最终选用了哪个模型？为什么？ [22. 对比使用过哪些主流大模型？你们项目中最终选用了哪个模型？为什么？](#
3. 多头注意力（MHA）有哪些局限？MQA、GQA、Flash Attention 怎么解决？ — # 3. 多头注意力（MHA）有哪些局限？MQA、GQA、Flash Attention 怎么解决？ [3. 多头注意力（MHA）有哪些局限？MQA、GQA、
9. 请讲一下 LoRA 技术，除了减少参数量，它还有哪些优点？ — # 9. 请讲一下 LoRA 技术，除了减少参数量，它还有哪些优点？ [9. 请讲一下 LoRA 技术，除了减少参数量，它还有哪些优点？](#_9-请讲一下-
6. 大模型是怎么训练出来的？ — # 6. 大模型是怎么训练出来的？ [6. 大模型是怎么训练出来的？](#_6-大模型是怎么训练出来的) 👔面试官：来讲讲大模型是怎么训练出来的？ 🙋
大模型工程面试题介绍 — # 大模型工程面试题介绍 [大模型工程面试题介绍](#大模型工程面试题介绍) ![](https://cdn.xiaolincoding.com//picg
14. KV Cache 是什么？Prompt Caching 的原理是什么？ — # 14. KV Cache 是什么？Prompt Caching 的原理是什么？ [14. KV Cache 是什么？Prompt Caching 的原理是
18. 大模型为什么会出现幻觉？怎么缓解？ — # 18. 大模型为什么会出现幻觉？怎么缓解？ [18. 大模型为什么会出现幻觉？怎么缓解？](#_18-大模型为什么会出现幻觉-怎么缓解) 👔面试官：来
8. 大模型微调的方案有哪些？ — # 8. 大模型微调的方案有哪些？ [8. 大模型微调的方案有哪些？](#_8-大模型微调的方案有哪些) 👔面试官：来讲讲大模型微调的方案有哪些？ 🙋
21. 大模型能力评测指标有哪些？ — # 21. 大模型能力评测指标有哪些？ [21. 大模型能力评测指标有哪些？](#_21-大模型能力评测指标有哪些) 👔面试官：来讲讲大模型能力的评测指标
11. 大模型的 DPO 和 PPO 的区别是什么？ — # 11. 大模型的 DPO 和 PPO 的区别是什么？ [11. 大模型的 DPO 和 PPO 的区别是什么？](#_11-大模型的-dpo-和-ppo-的
20. 大模型部署有哪些主流方案？vLLM、TGI、llama.cpp、SGLang 实际项目里怎么选？ — # 20. 大模型部署有哪些主流方案？vLLM、TGI、llama.cpp、SGLang 实际项目里怎么选？ [20. 大模型部署有哪些主流方案？vLLM、T
12. 大模型生成文本时的解码策略有哪些？贪心、Beam Search、采样分别什么时候用？ — # 12. 大模型生成文本时的解码策略有哪些？贪心、Beam Search、采样分别什么时候用？ [12. 大模型生成文本时的解码策略有哪些？贪心、Beam
17. 什么是 CoT？为啥效果好？它有什么缺点或局限性？ — # 17. 什么是 CoT？为啥效果好？它有什么缺点或局限性？ [17. 什么是 CoT？为啥效果好？它有什么缺点或局限性？](#_17-什么是-cot-为啥
LangChain 框架面试题介绍 — # LangChain 框架面试题介绍 [LangChain 框架面试题介绍](#langchain-框架面试题介绍) ![](https://cdn.xi
Agent 面试题介绍 — # Agent 面试题介绍 [Agent 面试题介绍](#agent-面试题介绍) ![](https://cdn.xiaolincoding.com//p
9. Agent 的长短期记忆系统怎么做的？记忆是怎么存的？粒度是多少？怎么用的？ — # 9. Agent 的长短期记忆系统怎么做的？记忆是怎么存的？粒度是多少？怎么用的？ [9. Agent 的长短期记忆系统怎么做的？记忆是怎么存的？粒度是多
8. 请你介绍一下 AI Agent 的记忆机制，并说明在实际开发中应该如何设计记忆模块？ — # 8. 请你介绍一下 AI Agent 的记忆机制，并说明在实际开发中应该如何设计记忆模块？ [8. 请你介绍一下 AI Agent 的记忆机制，并说明在实
7. 复杂任务怎么做的任务拆分？为什么要拆分？效果如何提升？ — # 7. 复杂任务怎么做的任务拆分？为什么要拆分？效果如何提升？ [7. 复杂任务怎么做的任务拆分？为什么要拆分？效果如何提升？](#_7-复杂任务怎么做的任
6. ReAct、Plan-and-Execute、Reflection 三种范式有什么核心区别？实际项目中该如何选型？ — # 6. ReAct、Plan-and-Execute、Reflection 三种范式有什么核心区别？实际项目中该如何选型？ [6. ReAct、Plan-a
5. Agent 推理模式有哪些？ReAct 是啥？具体是怎么实现的？ — # 5. Agent 推理模式有哪些？ReAct 是啥？具体是怎么实现的？ [5. Agent 推理模式有哪些？ReAct 是啥？具体是怎么实现的？](#_5
4. 了解哪些其他的 Agent 设计范式？Agent 和 Workflow的区别是什么？ — # 4. 了解哪些其他的 Agent 设计范式？Agent 和 Workflow的区别是什么？ [4. 了解哪些其他的 Agent 设计范式？Agent 和
3. Workflow，Agent，Tools 这三个的概念和区别介绍一下？ — # 3. Workflow，Agent，Tools 这三个的概念和区别介绍一下？ [3. Workflow，Agent，Tools 这三个的概念和区别介绍一下
2. Agent 的基本架构由哪些核心组件构成？ — # 2. Agent 的基本架构由哪些核心组件构成？ [2. Agent 的基本架构由哪些核心组件构成？](#_2-agent-的基本架构由哪些核心组件构成)
1. 什么是 Agent？与大模型有什么本质不同？ — # 1. 什么是 Agent？与大模型有什么本质不同？ [1. 什么是 Agent？与大模型有什么本质不同？](#_1-什么是-agent-与大模型有什么本质
16. 如何设计多 Agent 的协作与动态切换机制？ — # 16. 如何设计多 Agent 的协作与动态切换机制？ [16. 如何设计多 Agent 的协作与动态切换机制？](#_16-如何设计多-agent-的协
15. 讲讲 Agent 的反思机制？为什么要用反思？具体怎么实现？ — # 15. 讲讲 Agent 的反思机制？为什么要用反思？具体怎么实现？ [15. 讲讲 Agent 的反思机制？为什么要用反思？具体怎么实现？](#_15-
14. 如何赋予 LLM 规划能力？ — # 14. 如何赋予 LLM 规划能力？ [14. 如何赋予 LLM 规划能力？](#_14-如何赋予-llm-规划能力) 👔面试官：说说你是怎么给 LL
13. 在工程实践中，为什么有时候选择「手搓」Agent，而不是直接用成熟框架？ — # 13. 在工程实践中，为什么有时候选择「手搓」Agent，而不是直接用成熟框架？ [13. 在工程实践中，为什么有时候选择「手搓」Agent，而不是直接用
12. Agent 记忆压缩通常有哪些方法？ — # 12. Agent 记忆压缩通常有哪些方法？ [12. Agent 记忆压缩通常有哪些方法？](#_12-agent-记忆压缩通常有哪些方法) 👔面试
11. 说说 Single-Agent 和 Multi-Agent 的设计方案？ — # 11. 说说 Single-Agent 和 Multi-Agent 的设计方案？ [11. 说说 Single-Agent 和 Multi-Agent 的
10. 什么是 Multi-Agent？ — # 10. 什么是 Multi-Agent？ [10. 什么是 Multi-Agent？](#_10-什么是-multi-agent) 👔面试官：你了解
LLM工具调用面试题介绍 — 本文《LLM工具调用面试题介绍》由小宇宙从原站整理搬运，详细讲解相关技术要点。
9. Skill 是什么？ — 本文《9. Skill 是什么？》由小宇宙从原站整理搬运，详细讲解相关技术要点。
8. 为什么有些特定的推理模型不支持 MCP 协议？ — 本文《8. 为什么有些特定的推理模型不支持 MCP 协议？》由小宇宙从原站整理搬运，详细讲解相关技术要点。
7. Function Calling 也属于工具调用，请问什么场景下使用 Function Calling，什么场景下使用 MCP？ — 本文《7. Function Calling 也属于工具调用，请问什么场景下使用 Function Calling，什么场景下使用 MCP？》由小宇宙从原站整理
6. MCP 和 Function Calling 有什么区别？有没有实际跑过 MCP？ — 本文《6. MCP 和 Function Calling 有什么区别？有没有实际跑过 MCP？》由小宇宙从原站整理搬运，详细讲解相关技术要点。
5. MCP 由哪几部分组成？ — 本文《5. MCP 由哪几部分组成？》由小宇宙从原站整理搬运，详细讲解相关技术要点。
4. 什么是 MCP（模型上下文协议）？讲讲它的核心内容？ — 本文《4. 什么是 MCP（模型上下文协议）？讲讲它的核心内容？》由小宇宙从原站整理搬运，详细讲解相关技术要点。
3. 大模型的 Function Call 能力是怎么训练出来的？ — 本文《3. 大模型的 Function Call 能力是怎么训练出来的？》由小宇宙从原站整理搬运，详细讲解相关技术要点。
2. LLM 是如何学会调用外部工具的？ — 本文《2. LLM 是如何学会调用外部工具的？》由小宇宙从原站整理搬运，详细讲解相关技术要点。