面试专题 · 大模型应用开发岗

面试怎么准备

先按主题把八股过一遍，再挑 2–3 个项目做深：面试官通常从项目里的技术名词往下问

📚

知识主题 Knowledge Topics

按主题把高频问题过一遍：点题目展开答案要点，能自己讲顺了就打「已掌握」。建议先看标「重点」的。

逐题过可标记进度

📘 Python基础

20 条问答 4 个小节

闭包与作用域、内存管理与垃圾回收、常用内置数据结构，AI 岗 Python 面的必答项。

开始复习 →

📘 数据结构与算法

15 条问答 4 个小节

数据结构与经典算法、力扣高频题解法思路，机器学习岗笔试面试第一关。

开始复习 →

📘 数据分析

9 条问答 2 个小节

Numpy 与 Pandas 常用操作，数据处理类问题的标准答法。

开始复习 →

📘 机器学习

74 条问答 14 个小节

从基础概念、特征工程、模型评估到 LR / SVM / 树模型 / 集成学习 / 聚类降维，覆盖面最广的一块。

开始复习 →

📘 深度学习

51 条问答 7 个小节

神经网络训练与优化、激活函数、超参数、CNN 与 RNN，深度学习八股集中区。

开始复习 →

📘 NLP

23 条问答 8 个小节

文本表示、Seq2Seq 与 Attention、Transformer、预训练模型与评估指标。

开始复习 →

📘 大模型框架原理

12 条问答 20 个小节

大模型基础、LayerNorm / 位置编码 / 自注意力 / MoE、训练（SFT、RLHF、思维链、蒸馏）与主流模型系列对比。

开始复习 →

📘 大模型微调理论

7 条问答 8 个小节

显存与分布式训练、混合精度、PEFT 与 LoRA 变种、微调技术选择、数据集与 KV Cache。

开始复习 →

📘 大模型应用（Agent）

10 条问答 4 个小节

LangChain 基本概念、Function Call、Agent 设计、记忆管理，当前岗位最看重的部分。

开始复习 →

📘 强化学习

20 条问答 2 个小节

RLHF、PPO 与思维链，配合项目章里的强化学习项目一起看。

开始复习 →

📘 RAG

17 条问答 4 个小节

RAG 基本概念、索引阶段、高级 RAG 优化与评估，回答项目题的地基。

开始复习 →

📘 多模态

2 条问答 12 个小节

ViT 架构与图像补丁嵌入，多模态项目必问。

开始复习 →

📝

面试精选百题 Top 100 Question Sets

按求职方向整理成册的题库：AI 应用与智能体、数据结构与算法、后端、前端、设计模式。每题都是标准问答，先自己答一遍再看要点。

按方向共 637 题

🤖 AI 应用与智能体开发

100 题 9 个模块

大模型基础、Transformer、RAG、Agent、微调与部署，AI 岗一轮面试的高频问题。

开始刷题 →

🧮 数据结构与算法

93 题 8 个模块

数组/链表/栈队列/哈希/树/图/排序查找/动态规划，笔试面试通用题库。

开始刷题 →

☕ 后端开发

100 题 16 个模块

Java 集合、并发与锁、JVM、MySQL、Redis、Spring、分布式与消息队列。

开始刷题 →

🎨 前端开发

245 题 13 个模块

HTML/CSS/JS、TypeScript、浏览器与网络、Vue/React、工程化与性能优化。

开始刷题 →

🏗️ 设计模式

99 题 1 个模块

23 种设计模式的适用场景、代价与常见追问，配单例/工厂/代理等高频实现题。

开始刷题 →

🧪

项目串讲 Project Walkthroughs

19 个真实项目，从商品检索、智能客服到 RAG 问答与知识图谱：每个都按「背景 → 选型 → 流程 → 难点」整理，面试时照着讲。

项目复述工程细节

🧪 第 2 章 · 商品检索-图搜图

RAG 检索增强