pdf版下载链：https://pan.quark.cn/s/9cc742e9c2a8

18 国内大厂 AI 工程师：高频面试题与回答框架

更新： 2026-10-12
定位：整理国内互联网公司 AI 应用、RAG、Agent 与推理方向常见考法。
使用说明：厂名标签用于区分面试风格，不代表官方题库或保证原题复现。回答中的项目指标必须替换为本人真实、可解释的数据。

目录

1. 面试风格与准备重点
2. Transformer 与注意力机制
3. RAG 与 Agent 系统设计
4. 生产问题与排障
5. 回答模板

一、面试风格与准备重点

二、Transformer 与注意力机制

Q1：Self-Attention 如何计算？为什么比 RNN 更适合并行训练？

核心公式：

Q = XW_Q，K = XW_K，V = XW_V
Attention(Q, K, V) = softmax(QKᵀ / √d_k) V

回答要点：

1. 输入先线性映射为 Q、K、V。
2. QKᵀ 计算每个 token 与其他 token 的相关性。
3. 除以 √d_k 防止维度增大后点积过大、softmax 饱和。
4. softmax 得到权重后，对 V 加权求和。
5. 训练时所有位置可并行计算；RNN 需要按时间步递归。
6. 标准全注意力的时间、显存复杂度都包含 O(n²) 项，长上下文成本高。

面试话术：

Self-Attention 的优势不是“天然理解一切长距离关系”，而是任意位置之间只有一跳且训练可并行；代价是注意力矩阵随序列长度平方增长。工程上通常结合 FlashAttention、窗口/稀疏注意力、KV Cache 和序列并行优化。

Q2：位置编码有什么作用？RoPE 相比绝对位置编码有什么特点？

纯 Attention 对 token 顺序具有置换等变性，因此需要注入位置信息。

高频追问：

• RoPE 通常施加在 Q、K，而不是 V。
• 长度外推不等于“把最大长度参数改大”；还要关注训练分布、缩放方法、注意力退化和显存。

Q3：MHA、MQA、GQA 有什么区别？如何影响 KV Cache？

近似 KV Cache 大小：

2 × batch × sequence_length × num_kv_heads × head_dim × bytes_per_element × num_layers

其中 2 表示 K 和 V。回答时要说明：模型是否采用 MLA、是否量化 KV、张量并行切分方式等都会改变实际占用，不能只背一个固定数值。

三、RAG 与 Agent 系统设计

Q4：如何设计一套可上线的企业级 RAG 系统？

建议按七段链路回答：

数据接入
→ 解析与清洗
→ 分块与元数据/权限标注
→ Embedding 与索引
→ Query 理解、混合召回与 Rerank
→ 上下文组装与生成
→ 引用、评估、监控和 badcase 回流

关键设计：

1. 数据层：文档版本、增量更新、删除同步、权限标签。
2. 检索层：向量 + BM25 混合检索，必要时做 Query Rewrite、Metadata Filter。
3. 精排层：Cross-Encoder 或 Late Interaction；候选数由离线评估和延迟预算确定。
4. 生成层：要求基于证据回答，保留 chunk 到原文的引用映射；证据不足时拒答。
5. 评估层：分别评估检索召回、排序质量、忠实度、答案相关性和端到端任务成功率。
6. 生产层：监控 TTFT、总延迟、Token、缓存命中率、空召回率、权限拦截和错误率。

排障顺序：

先看正确答案是否进入候选集；若未进入，检查解析、分块、Embedding、过滤和召回。若进入但排名低，检查融合与 Rerank。若证据正确但答案错误，再检查上下文组装、Prompt 和模型。

Q5：如何设计代码审查 Agent？怎样限制风险？

比“堆一个 ReAct Prompt”更可靠的方案：

读取变更（只读）
→ 加载项目 Rules/AGENTS.md 与审查 Skill
→ 静态分析/测试/安全扫描（受控工具）
→ 汇总证据
→ 生成分级问题
→ 校验行号与证据
→ 人工确认后再建议修改

最小伪代码：

def review_change(diff, repo):
    findings = []
    findings += run_linter(repo, timeout=60)
    findings += run_tests(repo, changed_scope(diff), timeout=300)
    findings += run_security_scan(repo, changed_scope(diff), timeout=120)

    report = llm_generate_review(
        diff=diff,
        tool_evidence=findings,
        rules=load_review_rules(repo),
    )
    return verify_file_and_line_references(report, repo)

生产约束：

• 默认只读；写文件、执行网络请求和读取密钥需要单独授权。
• 命令使用 allowlist、超时、CPU/内存限制和 workspace/container 沙箱；默认关闭不必要网络。
• 限制最大步数、最大 Token、最大重试次数，避免死循环。
• 工具结果必须携带来源；LLM 结论与证据分开记录。
• 长审查任务要持久化 checkpoint，支持 resume/cancel；多个 Agent 使用独立 worktree，避免并发写冲突。
• 以“发现率、误报率、有效评论采纳率、修复后回归结果”评估，而不是只看生成文字质量。

Q6：智能客服 Agent 如何设计？

推荐链路：

鉴权与会话恢复
→ 意图/风险识别
→ 知识检索或业务工具调用
→ 结果校验
→ 生成回复
→ 人工兜底
→ 评价与 badcase 回流

需要讲清的工程点：

• 查询订单、退款等操作必须二次确认并做幂等。
• 知识问答与交易操作分开授权；模型不能直接拼接 SQL 或绕过业务 API。
• 负面情绪只作为升级信号之一，不能替代业务优先级与合规规则。
• 对话、工具调用、模型/Prompt 版本和用户反馈要能关联到同一 trace。
• 可复用流程可封装成 Skill；Skill 是指导，不是权限，执行仍受 allow/ask/deny、sandbox 和业务鉴权约束。
• 效果指标至少包括任务完成率、转人工率、首响、解决时长、误操作率与单会话成本。

Q7：A2A、MCP 和普通多 Agent 编排有什么区别？

截至 2026-10-12，A2A 已有 v1.0 正式规范。它最初由 Google 推动，当前回答应以 A2A 官方规范为准，而不是以厂商新闻或二手文章为准。

注意事项：

• A2A 不等于必须去中心化；生产环境常保留编排器、策略引擎和审计层。
• A2A v1.0 的常见对象包括 Message、Task、Artifact；Task 有 working、input-required、auth-required、completed、canceled、rejected、failed 等状态。
• Agent 间通信仍要处理身份、授权、超时、幂等、重复消息、任务取消与补偿。
• 简单任务优先单 Agent + 明确工具；只有职责、权限或扩缩容边界明显时才拆多 Agent。

四、生产问题与排障

Q8：大模型应用常见问题如何系统治理？

回答框架：

先用 trace 把输入、检索、Prompt、模型、工具和输出串起来，再按层定位；修复后加入回归集，并通过灰度和指标观察验证，不能只改 Prompt 后直接上线。

Q9：模型为什么会“复读”？如何排查和缓解？

常见原因：

1. 解码参数过于确定，局部高概率 token 形成循环。
2. Prompt 或历史上下文包含重复结构，模型继续模仿。
3. 长上下文截断、模板拼接或停止条件错误。
4. 模型量化、微调数据重复或训练不稳定导致退化。
5. 流式客户端重连、重试或拼接 bug，让同一片段被重复展示。

排查顺序：

确认是模型重复还是客户端重复
→ 保存原始 token 流与 request_id
→ 用固定输入复现
→ 检查 Prompt/历史/stop
→ 调整 repetition penalty、temperature、top_p
→ 对比模型版本、量化版本与微调前后

注意：repetition_penalty 过高会损害专有名词、代码和需要重复的格式。参数只能缓解症状，若根因是数据、模板或客户端重放，应修复根因。

五、回答模板

系统设计题建议使用以下顺序：

1. 明确约束：用户量、数据规模、延迟、成本、安全、是否多租户。
2. 给出主链路：用 5～8 个节点讲清请求如何流动。
3. 展开关键取舍：为什么选该方案，替代方案何时更好。
4. 说明异常路径：超时、重试、幂等、降级、人工兜底。
5. 给出评估指标：质量、延迟、成本、安全分别怎么量。
6. 结合个人经历：只使用本人能解释、能复盘的真实数据。

项目题建议用 STAR + 复盘：

S：什么业务问题，影响谁？
T：你的职责和成功标准是什么？
A：你做了哪些设计、取舍和排障？
R：结果如何，指标口径是什么？
复盘：失败过什么，如果重做会改什么？

六、2026 技术栈更新速记

面试中优先讲稳定能力，不背产品新闻：

• 工具调用：严格 JSON Schema、参数校验、幂等和业务再鉴权。
• MCP：以 2026-07-28 规范为准；Streamable HTTP；Tasks/Skills over MCP 为可选扩展；Sampling、Roots、Logging 已 Deprecated。
• Agent Skills：SKILL.md + 可选 scripts/references/assets，渐进披露；Skill 不是权限边界。
• Harness：context、tools、state、sandbox、permissions、approvals、verification、budget、tracing。
• 长任务：durable task、checkpoint、resume、mid-flight input、cancel、artifact 和 TTL。
• 评测：业务任务集 + 轨迹 + 安全 + 延迟/成本；公开榜单必须注明模型、Harness、版本和预算。
• Coding Agent：独立 workspace/worktree，测试驱动验收，PR 前人工 review。

官方来源（核对日期：2026-10-12）

• MCP 2026-07-28 Specification: https://modelcontextprotocol.io/specification/2026-07-28
• MCP Changelog: https://modelcontextprotocol.io/specification/2026-07-28/changelog
• Agent Skills Specification: https://agentskills.io/specification
• A2A v1.0 Specification: https://a2a-protocol.org/v1.0.0/specification/
• OpenAI Function Calling: https://developers.openai.com/api/docs/guides/function-calling
• OpenAI Agents SDK Guardrails: https://openai.github.io/openai-agents-python/guardrails/
• OpenAI Agents SDK Sandbox: https://openai.github.io/openai-agents-python/sandbox/guide/
• Anthropic Claude Agent SDK: https://docs.anthropic.com/en/docs/claude-code/sdk
• Anthropic Permissions and Sandboxing: https://docs.anthropic.com/en/docs/claude-code/permissions