Estars的博客 
秋招AI面经问题all
444 words
2 minutes
秋招AI面经问题all
秋招以来的AI面经问题 All
来源：小红书 @玖 原文链接：http://xhslink.com/o/4THd9NZseQI 发布时间：2026-01-30 标签：面试、面经、校招、秋招、互联网大厂、AI 收藏 1633 · 点赞 815 · 评论 37
面经问题汇总（共43题）
- 为什么做 Agent 项目？
- 了解过市面上有哪些智能体 Agent 吗
- 讲下 Agent 项目
- Agent 项目开发的框架
- 介绍一些 AI 大模型
- RAG 系统流程
- MCP 和 Function Calling
- 如何写好的 Prompt
- 多轮对话的实现方案
- Agent 项目背景
- LLM 产生幻觉的原因及解决方案
- MCP 协议的核心内容
- 推理模式的差异化设计
- RAG 检索优化策略
- 特定推理模型不支持 MCP 的技术原因
- Agent 推理模式
- 跨模块错误追踪的 Agent 知识库构建方案
- 多 Agent 执行策略的智能选择和切换机制设计
- 简历关键词提取的技术实现
- RAG 评估方案
- SSE 的局限性
- 举例复杂任务下执行流程
- MCP 通信方式
- 项目中 AI 贡献的代码占比
- Prompt 是如何优化的
- Agent 框架有哪些，比较优劣
- Multi Agent 方案
- 上下文工程
- 任务规划
- 模型选型
- 前后端怎么通信的
- 介绍一下 Transformer
- 做 Agent 是怎么学习的
- RAG 检索是怎么做的
- ChatGPT 等 LLM 的原理
- Function Calling 流程
- RAG 怎么做
- Embedding 模型怎么选
- Prompt 写法
- 如何优化大模型幻觉
- MCP 是什么，为什么要学
- 向量数据库和传统数据库区别
- Agent 长短期记忆怎么做的
分类统计
| 类别 | 题数 |
|---|---|
| Agent 基础与项目 | 10 |
| RAG 检索增强生成 | 6 |
| MCP 协议 | 5 |
| Prompt 工程 | 4 |
| 大模型原理 | 4 |
| Multi-Agent | 3 |
| Function Calling | 2 |
| 其他工程实践 | 9 |
Share Article
If this article helped you, please share it with others!
Related Posts Smart
1
秋招 AI应用开发 Agent 复习笔记
求职作战室 # 🎯 AI 应用开发 / Agent 方向 · 秋招复习笔记 > 📅 整理时间：2026-06-02 > 📚 来源：基于 workspace 内 18 份面经资料整合 > 🎯 适用：AI 应用开发 / Agent 开发 / 大模型应用 校
2
12 AI面经 AI Agent四种范式对比
求职作战室 大家好 欢迎来到本期技术面试深度解析 聊一道面试题对比AI agent四种饭时react, plan, and execute multi agent以及to use agent各自是用什么场景 如何做技术选行 这道题大多数人的回答会查在列
3
Agent暑期实习面经
求职作战室 # Agent暑期实习面经 > 来源：小红书 @菌菌 > 原文链接：http://xhslink.com/o/1bp55UaMqkL > 发布时间：2026-04-27 > 标签：暑期实习、暑期实习面经、面经 > 收藏 1095 · 点赞
4
07 字节一面面经 JiexinX
求职作战室 # 字节一面面经（AI/后端方向） > 来源：小红书「Jiexin.X」 > 岗位方向：AI 应用 / 后端开发 > 抓取时间：2026-05-31 --- ## 面试流程（22题全记录） ### 项目 & 经历环节 | 序号 | 问题 |
5
03 小厂AI应用开发一面问题及参考回答
求职作战室 # 小厂AI应用开发一面问题及参考回答 ## 4. 讲下skill的运作机制，skill的内容是以什么形式返回给大模型的？ **参考回答**： - **运作机制**：当用户提问或触发条件满足时，系统会从 skill 库中匹配最合适的 ski
Random Posts Random
欢迎来到我的博客！这是一则示例公告。
Music
No playing
0:00 0:00
91
5
44
374,063
0 days
0 days ago