第一篇 面试认知与备考指南本篇定位建立全局认知明确岗位要求、面试规律与备考方法避免盲目背题。建议备考第一天完整阅读再开始后续专项学习。1.1 岗位定位与能力模型1.1.1 岗位定义AI应用开发工程师含RAG工程师、Agent工程师是大模型落地的核心工程岗位核心职责是基于预训练大模型通过工程化手段搭建可落地的AI业务系统而非训练大模型本身。典型工作内容搭建企业级RAG知识库、智能问答系统开发业务Agent、多Agent协作系统实现流程自动化做Prompt工程、工具对接、性能优化、安全合规治理搭建评估、监控、迭代的完整工程体系1.1.2 与相近岗位的核心区别很多候选人容易混淆岗位边界面试前必须清晰定位岗位核心目标核心能力本岗位差异大模型算法岗训练/微调模型、优化模型效果深度学习、算法原理、数学本岗位不做模型训练核心是用模型做工程落地普通后端开发岗搭建业务系统、实现业务逻辑业务开发、数据库、架构本岗位在后端基础上新增大模型特性、RAG、Agent等专属技术栈产品经理需求设计、产品规划产品思维、用户体验本岗位是技术实现岗要求能落地、能排错、能做架构决策1.1.3 三级能力模型按职级划分能力要求逐层递进可对号入座确定备考重点初级0-1年经验基础懂大模型基础概念会用主流框架LangChain/Dify搭建基础RAG、简单Agent能力能完成单个模块开发能排查简单问题考察重点概念理解、基础用法、简单实操中级1-3年经验基础完整掌握RAG/Agent全链路技术点懂底层原理能力能独立负责完整模块做效果优化、性能优化、问题排查考察重点落地细节、优化方案、问题排查、项目深度高级3年以上经验基础有完整系统架构设计能力懂技术选型与权衡能力能主导整体项目搭建工程体系做技术规划与演进考察重点系统设计、架构选型、工程体系、技术视野1.1.4 核心考察优先级排序面试分值占比从高到低项目落地能力40%做过什么、遇到什么问题、怎么解决、效果如何专项技术深度30%RAG、Agent的核心原理、优化方案、细节处理工程基础能力20%数据库、缓存、消息队列、性能排查技术视野与思维10%架构设计、技术趋势、方案权衡1.2 面试全流程与考察维度1.2.1 典型三轮面试流程绝大多数公司的AI应用开发岗遵循「广度→深度→综合」的三轮面试结构一面基础技术广度面1小时左右考察目标筛选基础是否扎实有没有完整知识体系核心内容大模型基础概念、Prompt工程、LLM调用基础RAG、Agent的基础原理与常用工具后端基础Redis、数据库、HTTP、消息队列简单项目经历了解通关标准概念不混淆基础题不答错有基本的工程认知二面专项深度与项目面1-1.5小时考察目标验证真实项目经验考察解决问题的能力核心内容深挖项目细节架构、难点、方案、数据成果RAG/Agent深度追问优化方案、异常处理、权限安全场景题效果不好怎么优化、线上故障怎么排查通关标准项目讲得清细节问题有系统化解决思路方案有理有据三面架构设计与综合面1-1.5小时考察目标考察架构能力、技术视野、综合素养核心内容系统设计题从零设计一个企业级知识库、智能客服Agent平台技术选型与权衡不同方案的优缺点、适用场景开放性问题技术趋势、项目重构思路、团队协作通关标准架构设计完整考虑周全有权衡意识逻辑清晰1.2.2 面试官核心打分维度面试官打分不看“背了多少题”看四个核心特质逻辑清晰回答有条理分层分点不东拉西扯落地思维讲方案能结合实际场景不说空泛概念权衡意识知道每个方案的优缺点不吹某一个技术万能排错能力遇到问题有系统化的排查思路不是靠猜1.2.3 隐形扣分点盘点这些错误不会直接挂人但会大幅拉低评级只讲概念不讲落地全程背定义说不出自己怎么用的技术选型只说优点不说缺点没有权衡思维安全、权限只靠Prompt约束没有系统层设计意识过度设计小项目硬套复杂架构脱离业务实际项目讲不清楚只说“我负责开发”说不出具体贡献和成果1.3 分人群备考路线图1.3.1 零基础/转岗入门2周备考路径适用人群后端/前端转岗、应届生、只跑过Demo无完整项目经验核心目标补全基础体系做出一个可讲的项目拿下初级岗时间重点任务具体动作第1-3天基础打底学完第二篇「大模型应用基础通识」掌握核心概念搭好开发环境跑通一个最简单的RAG Demo第4-7天核心专项入门学完第三篇RAG核心章节掌握全流程动手做一个完整的个人项目基于LangChainChroma/ES搭建一个本地知识库问答系统第8-10天Agent专项工程基础学完第四篇Agent基础章节快速过第五篇工程化高频考点重点掌握Redis、数据库、性能排查第11-12天项目包装刷题把个人项目按STAR法则整理好背诵高频核心题熟悉答题框架第13-14天模拟演练刷模拟卷对着自己口述项目和题目答案查漏补缺关键提醒转岗候选人一定要有一个可讲的完整项目哪怕是个人练手项目也比空背题有说服力。1.3.2 有项目经验进阶1周冲刺路径适用人群做过RAG/Agent相关项目有1-2年经验冲刺中级岗核心目标补深度、补追问、提炼项目亮点拿下中大厂中级岗时间重点任务具体动作第1-2天项目深度梳理把自己做过的项目按「背景-架构-难点-方案-成果」梳理透彻预判所有可能的追问准备好答案第3-4天专项深度突破精读RAG、Agent专项的深度考点和高频追问重点攻克优化、排错、权限、安全等高频深度题第5天工程基础查漏过一遍工程化考点补自己薄弱的部分熟悉全链路性能排查、容灾降级等工程题第6天设计题练习练2-3道系统设计题搭好自己的答题框架第7天模拟复盘完整做一套模拟卷口述高频题保证流畅不卡顿1.3.3 资深岗架构面重点突破方向适用人群3年以上经验带过项目冲刺高级/专家岗核心目标强化架构思维、体系化能力、技术视野冲击大厂高级岗体系化梳理不要零散背题把RAG/Agent的完整工程体系串起来从接入层到基建层形成完整架构图选型方法论总结自己的技术选型决策框架每个技术点都能讲清「什么场景选什么、为什么、 trade-off是什么」工程体系建设准备「从0到1搭建AI应用工程体系」的完整思路覆盖开发、测试、部署、监控、评估、迭代全流程技术视野了解最新技术趋势MCP、Agentic RAG、端侧Agent、多模态Agent能讲清对业务的价值项目拔高把项目从「我做了什么」拔高到「我设计了什么、解决了什么共性问题、带来了什么业务价值」1.4 高分答题方法论1.4.1 技术原理题通用答题框架五步法适用于所有「XX是什么」「XX有什么用」类题目按这个框架答不会漏得分点。答题五步法定义一句话说清是什么价值解决什么痛点为什么需要它核心实现核心原理/关键流程不用太细讲清核心逻辑优缺点优势和局限性分别是什么适用场景什么时候用什么时候不用示例回答「什么是Rerank」定义Rerank是重排模型对召回的初筛结果做精细化语义排序价值解决初筛召回精度不足的问题大幅提升顶部相关性是提升RAG效果性价比最高的环节核心实现把查询和候选片段成对输入模型输出相关性得分按得分重新排序优缺点精度高但增加耗时和成本比向量检索更精准但不适合全量数据排序适用场景生产级RAG系统、对答案精度要求高的场景简单Demo、小知识库可以不用1.4.2 优化/排错题答题思路分层排查法适用于所有「效果不好怎么优化」「XX慢怎么排查」类问题体现系统化思维。答题逻辑按链路从上到下分层排查每层讲清楚「可能原因排查方法优化方案」。示例回答「RAG回答效果差怎么排查」先看输入层文档解析是否正确分块是否合理有没有语义断裂、无关内容再看召回层是不是漏召了相关内容是关键词没命中还是语义没匹配优化查询改写、混合召回再看排序层相关内容有没有排到前面优化Rerank、调整融合权重最后看生成层Prompt是否合理有没有幻觉上下文是否足够优化Prompt、加事实校验兜底加拒答机制低置信度问题不瞎答1.4.3 系统设计题标准答题流程适用于中高级岗的设计题按这个流程答结构完整不遗漏。五步法答题流程需求拆解与约束确认先问清楚核心需求、规模、约束条件并发量、数据量、安全要求、成本限制不要上来就画架构。整体架构设计给出分层架构图接入层、业务层、能力层、基建层讲清每层的核心组件。核心模块详解挑2-3个核心模块深入讲比如RAG的检索模块、Agent的调度模块。难点与解决方案主动讲这个系统的核心难点比如权限隔离、性能、安全、幻觉以及对应的解法。演进与扩展讲未来的演进方向比如怎么支持多模态、怎么扩容、怎么接入更多能力。1.4.4 项目经历表述法STAR亮点提炼项目是面试的重中之重讲得好能引导面试官问你准备好的内容。标准表述结构S背景项目背景是什么解决什么业务问题规模多大T任务你负责的模块和核心目标是什么A行动你做了哪些核心工作遇到了什么难点用了什么方案解决✅ 重点讲技术决策和难点解决不要罗列日常工作R结果带来了什么量化成果✅ 尽量用数据召回率提升XX%、幻觉率下降XX%、支撑XX万用户、节省XX人力成本加分技巧讲完项目主动补一句「这个项目里我觉得最有价值的两个技术决策是XX和XX」直接引导面试官深入问你擅长的点。1.4.5 不会的题怎么应对不要瞎编不懂装懂乱说比直接说不会扣分更多诚实说明关联已知可以说「这块我实际接触得不多但我了解过相关的XX核心思路大概是XX」主动补位可以补充「我之前做过类似的XX场景当时的方案是XX我觉得思路是相通的」姿态端正表示后续会深入学习不要慌一道题不会不会直接挂心态和学习能力也是考察点