AI 应用工程师面试

适合有后端基础、希望转向 AI 应用开发的工程师。先建立模型调用与上下文概念，再学习 RAG 和 Agent，最后练习项目表达。

按这个顺序开始

1. Token 与上下文窗口是什么？为什么长对话会变贵
2. 流式响应能降低模型成本吗？先分清首字延迟与总耗时
3. 模型返回 JSON 就够了吗？结构化输出还需要哪些校验
4. Agent 怎样评测？把任务结果和执行过程分开看
5. Agent 还是固定工作流？从任务不确定性做选择
6. Agent 工具调用失败怎么办：超时、重试与不确定结果
7. RAG 分块与混合检索怎么选？先看漏掉了什么证据
8. RAG 完整链路：从一份文档到一条带引用的回答
9. 面试时如何讲清一个 RAG 项目：从链路讲到评测

读完后，试着回答

• 这个方案解决的具体问题是什么？
• 有哪些关键取舍，失败时如何定位？
• 哪些结论已经验证，哪些还只是设计假设？

学习路线会随内容持续更新。阅读不等于完成项目，建议用自己的环境验证后再写进简历。