匹配正文：大模型应用开发不是学"一个东西",而是一张地图:RAG、Agent、Prompt 与上下文、评估与监控、重排与检索、模型微调、推理部署几个方向,各自解决不同问题、考察热度也差很多。转行者最该避免的坑是"全都学一遍",正确做法是按面试频率和自己的背景挑一条主线做深。这一页就是全站技术地图的枢纽,帮你先看清全貌再决定学哪条。作者:吴师兄 | 适合:刚决定转大模型、面对一堆名词不知从哪下手的人 | 前置:知道应用岗和算法岗的区别,看过路线图大模型技术栈到底有哪些方向一句话结论…

#求职#职业转型

求职指南·求职

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：大模型八股不该盲背。每个方向面试官真正想验证的东西是固定的:RAG 验证你懂不懂检索链路的取舍,Agent 验证你能不能让多步流程稳定跑,评估验证你怎么证明"效果好"。你按"这个方向想验证什么 → 先看哪个教程/项目 → 代表题型 → 项目里怎么体现"这套结构去准备,比刷一百道零散题有效得多。这一篇是按方向的考点地图,帮你搭准备框架;逐题答案和口语讲法在题库里刷。作者:吴师兄 | 适合:准备大模型面试、想按方向系统过考点的人 | 前置:看过技术栈全景、选好了主线方向本篇和…

#求职#职业转型

面试题·Agent· 阿里

Agent 中 RAG 瓶颈怎么破?

匹配正文：…案准确性用户容忍<2s，但复杂政策需多跳检索代码助手上下文完整 vs 模型窗口长代码文件+依赖库超出128k限制数据分析Agent 实时性 vs 知识新鲜度数据库schema变更后检索失效三、优化思路检索优化多级索引：粗排（向量快速召回top-100）→ 精排（轻量模型筛选top-10）→ 重排序（仅对关键查询启用）异步预检索：用户输入时预测意图，提前触发检索流混合路由：FAQ类走规则/缓存，开放域走RAG 上下文优化动态压缩：根据相关性分数剪枝，保留…

第 1 / 9 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#阿里云#Agent#Agent RAG 瓶颈

面试题·Agent· 高德

Agent记忆分层与RAG检索

匹配题目：当AI Agent需要维护超长历史记忆（如数千轮对话或跨天任务上下文）时，受限于模型上下文窗口和推理效率，无法将全部历史直接传入模型。请设计一个高效且可扩展的记忆管理机制，涵盖短期与长期记忆的分层架构、基于语义与时间等维度的检索策略、记忆的动态更新与选择性遗忘机制，并说明如何结合检索增强生成（RAG）实现上下文压缩与信息保留的平衡。

#高德#Agent#向量检索

面试题·Agent· 阿里

RAG+Agent 延迟与准确率成因

匹配正文：核心问题分析 RAG与Agent结合时，延迟和正确率问题呈乘法放大效应——Agent的多步决策特性使RAG缺陷被反复累积。一、响应延迟的成因与优化延迟来源具体成因优化方案检索层向量库冷启动、跨地域查询、Embedding计算预加载热数据到内存；本地缓存高频Query的Embedding；采用HNSW+量化索引 Agent决策层 ReAct多轮迭代、工具调用链过长、LLM推理本身设置最大迭代阈值；并行化独立工具调用；用小模型做意图路由，大模型仅做最终生成编排开…

#阿里云#Agent#RAG Agent 延迟优化

面试题·评估· 美团

Agent 训练 vs RAG 怎么选?

匹配标题与标签：Agent 训练 vs RAG 怎么选? 从任务定义到强化学习,完整闭环与评估机制评估美团 Agent Agent 训练流程 Agent 迭代设计强化学习 Agent Agent 评估机制美团

#美团#Agent#Agent 训练流程

面试题·评估· 安克科技

Agent/RAG 评估指标与挑战

匹配正文：…估与组件级评估的区别提及实际挑战如标注成本高、主观性、延迟与质量的权衡能结合业务场景举例说明一、评估维度分层 1. 检索层（RAG特有） Recall@K / MRR：衡量检索系统能否召回相关文档 NDCG：考虑排序质量的综合指标 Hit Rate：Top-K是否命中答案所在文档 2. 生成层 Faithfulness / 忠实度：生成内容是否忠实于检索文档（可用NLI模型判断） Answer Relevance：答案与问题的相关性 Context Precision：…

#安克科技#评估与监控#Agent

面试题·评估· 安克科技

Agent/RAG 评估体系怎么搭?

匹配正文：答案要点区分RAG和Agent的不同评估维度（检索质量vs工具调用/规划能力）覆盖客观指标（准确率、召回率）和主观指标（有用性、无害性）提及自动化评估与人工评估的结合指出实际落地中的挑战（评测数据构建、动态环境、成本权衡）一、RAG系统评估体系检索模块指标 Recall@K：正确答案在Top-K检索结果中的比例 MRR（平均倒数排名）：正确答案排名的倒数均值 Context Precision：检索片段中相关信息的比例生成模块指标 Faithfulness：生成…

#安克科技#Agent#Agent 评估体系

面试题·评估· 安克科技

Agent/RAG 评估集构建

匹配正文：答案要点区分Agent与RAG评估维度的差异数据采集的多样性与真实性来源负样本构造的hard negative策略人工+自动化的混合标注流程数据代表性验证方法核心设计原则 Agent和RAG的评估目标不同：RAG重事实准确性，Agent重任务完成度与工具调用正确性，需分开设计。数据采集来源适用场景注意事项真实用户日志高价值、分布真实脱敏+去偏，避免头部query过度采样合成数据（LLM生成）快速覆盖长尾场景需人工校验，控制幻觉比例公开benc…

#安克科技#评估与监控#Agent/RAG 评估集构建

面试题·知识图谱· 字节

RAG+KG Agent 动态更新机制

匹配正文：…核心步骤 1. 变更触发层事件驱动：业务系统事件（订单、用户行为）→ 实时捕获定时扫描：增量数据检测，适合批量更新主动学习：Agent识别知识盲区，主动请求补充 2. 更新流水线（ETL-KG）原始数据 → 信息抽取（实体/关系）→ 质量验证 → 冲突检测 → 图谱融合 → 索引更新 → 生效通知 3. 关键保障机制维度策略实时性近实时：Kafka+Flink流处理，秒级延迟；关键路径走内存缓存一致性版本快照+MVCC；写时复制保证查询不中断；分布式事务（…

#字节#Agent#知识图谱动态更新

面试题·Agent

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

匹配正文：很多团队第一次做 Deep Research，会把它理解成“检索次数更多的 RAG”。于是系统不管收到什么问题，都先拆计划、反复搜索、打开网页、整理报告。用户只是问一句“这个产品支持哪些文件格式”，也要等 Agent 跑完一整轮研究。流程看起来很智能，实际却把一个本来一次检索就能回答的问题，做得更慢、更贵、更不稳定。反过来，如果用户问的是“请比较三种技术方案在小团队、低运维和数据合规约束下的适用性，并给出能够核查的依据”，只查一次再生成也不够。一次检索可能只拿到某个厂商…

#Deep Research#问题边界与研究闭环#Deep Research 分级路由

系统教程·AI 编程

从零拼一个最小 RAG 问答

匹配标题与标签：从零拼一个最小 RAG 问答一句话:RAG 听起来高大上,核心其实就三步——检索相关资料 → 拼进 prompt → 让模型照着答。把这三步亲手跑通,你就懂了"开卷考试"的本质;想做深,站内有完整 RAG 教程接住。 AI 编程 Agent AI 编程

#Agent#AI 编程

面试题·Agent· 字节

Agent 架构的取舍与适用条件

匹配正文：…联放大，"一步错步步错" 系统复杂：状态管理、工具注册、异常处理工程量大成本不可控：Token消耗和工具调用费用难以预估三、与RAG的关系：协同而非替代 RAG是Agent的一种工具，Agent是RAG的增强形态场景方案原因单次检索即可回答纯RAG 延迟低、成本低、足够准确需多源验证/计算/判断 Agent+RAG 检索作为Tool，Agent决策是否继续检索典型协同模式：ReAct框架中，Retrieval作为search工具被调用，Agent根据观察结果…

#字节#Agent#Agent 架构

面试题·Agent· 高德

旅行Agent怎么拆解任务?

匹配正文：…间、必去点）、隐性需求规划层行程编排Agent 基于约束求解生成初步日程（景点-交通-餐饮-住宿的时空组合）执行层验证优化Agent 检查可行性（开放时间、路程合理性）、成本估算、生成备选方案协作机制：主控Orchestrator维护共享状态树（用户画像、当前行程草案、待确认事项）层内并行（如同时检索多个景点信息）、层间串行（理解→规划→验证）支持回环迭代：验证失败时触发重新规划，需求模糊时回调澄清二、RAG增强设计知识库分层：静态库：景点基础信息、历史…

#高德#Agent#旅行Agent

面试题·Agent· 百度

Agent 规划记忆工具调用机制

匹配正文：…是否达成子目标未达成则分析原因（工具问题？理解偏差？），选择重试或重规划引入"反思"步骤，显式总结本轮经验写入长期记忆三、与RAG的深度集成不是简单拼接，而是能力融合：层级集成方式检索即工具 RAG作为knowledge_retrieval工具，Agent按需调用记忆增强检索结果注入工作记忆，参与推理过程主动检索规划阶段识别知识缺口，触发预检索双向反馈 Agent的执行日志回流优化RAG的索引策略设计考量：检索结果置信度低时，Agent应主动追问澄…

#百度#Agent#Agent 系统设计

面试题·Agent· 阿里

LangChain vs LlamaIndex 在 RAG 中怎么选?

匹配正文：…gent框架对比 1. LangChain —— 通用编排框架核心定位：LLM应用的全流程编排与工具集成核心能力：Chain/Agent抽象、工具调用（Tool Calling）、记忆管理、多模型路由技术特点：LCEL（LangChain Expression Language）支持流式、异步、并行执行 Agent场景：ReAct、Plan-and-Execute、Self-Ask等推理模式的标准化实现 RAG角色：提供RetrievalQA、Conversationa…

#阿里云#Agent#Agent 框架对比

面试题·Agent· 淘天

传统 RAG 有哪些痛点?

匹配正文：…上下文冗余上下文压缩、语义去重、摘要增强知识更新延迟实时索引管道、增量更新、结合API动态查询这些痛点正是Agentic RAG兴起的核心动因——通过引入反思、工具调用、主动验证等机制，突破传统"检索-拼接-生成"的线性范式。学习建议掌握RAG基本流程，结合实际案例理解检索与生成间的瓶颈，对比进阶方法如Graph RAG、Agent增强。

#淘天#Agent#RAG 痛点

面试题·检索· 快手

RAG 延迟与准确率优化

匹配正文：…DE生成伪答案再检索，解决query-doc语义gap 重排序精排：Cross-encoder细粒度打分，过滤低质结果 Self-RAG：生成时主动判断是否需要补充检索，避免过度检索 Agent层优化规划阶段用轻量模型，执行阶段再用大模型工具结果结构化缓存，相同参数直接复用

#快手#RAG延迟优化#RAG 延迟与准确率优化

面试题·检索· 快手

RAG 延迟准确率根因

匹配正文：…ding空间不对齐（如用户口语化 vs 文档正式化）切分策略粗糙：固定长度切分破坏语义完整性，或粒度太细丢失上下文知识动态性：Agent场景下工具返回结果、实时数据与静态知识库未有效融合 Agent场景的特殊复杂性维度传统RAG Agent+RAG 检索触发单轮明确多轮隐式（由LLM决策何时检索）上下文当前Query 历史对话+工具结果+检索结果累积失败成本单次回答差可能引发错误工具调用链核心矛盾：Agent的自主性要求检索模块既快又准，但两者往往此消…

#快手#RAG延迟与准确率#RAG 延迟准确率根因

项目实战·Agent

Deep Research Agent

匹配正文：…不是可直接粘贴的经历。没有亲自完成训练、评测或上线，就不要把对应步骤写进简历。避免空泛的项目表达做了一个能自动搜索回答问题的 AI Agent，效果不错问题：「效果不错」零信息，也没说清它比普通问答强在哪可以改成：在[真实任务集]对比[基线]，记录工具调用、引用支持度和 token，结果为[实测值] 精通 Agent / RAG / 强化学习 / 大模型微调问题：「精通」是大坑词，面试官会追问到你露馅可以改成：我实际负责[模块]，能用[日志 / 实验]解释 ReA…

#项目实战#Deep Research Agent

求职指南·RAG

企业知识库 RAG 架构项目模拟面试

匹配正文：… 配套学习：RAG 原理与核心架构、RAG 数据处理与索引流程?。 4. tradeoff · tradeoff 为什么采用这套 RAG 架构，而不是关键词搜索、直接长上下文、微调或更简单的问答流程？考察重点：验证选型来自真实约束和对比，而不是技术名词堆砌。至少两个候选方案、真实约束与放弃原因质量、时延、开发和维护成本下一步：metrics。配套学习：垂直领域 RAG 完整架构、Agent 中 RAG 瓶颈怎么破?。 5. metrics · metrics 你所说…

#模拟面试#简历项目#连续追问

求职指南·RAG

RAG 评测集与 bad case项目模拟面试

匹配正文：适合做过 RAG 评测的人，重点练评测数据怎么来、指标怎么算、错误怎么定位，以及怎样持续改进。教学示例：先换成自己的真实项目描述，再逐题练习。下面保留完整追问分支、检查重点与评分规则。项目描述示例负责【真实 RAG 场景】评测体系，承担【样本、标注、指标或平台模块】。需要准备：个人职责；样本来源；评测工件。建立【真实评测集与指标】，定位【真实失败类型】并验证【真实改动】。需要准备：指标与基线；样本切片；失败分类；验证结果。逐层练习 1. ownership · …

#模拟面试#简历项目#连续追问

系统教程·Agent

Agent 面试题大全与开发指南

匹配正文：…t 面试通常从 Workflow 与 Agent 的边界问起，再继续追问记忆、工具调用失败、多智能体协作与工程闭环。这一页把本站 Agent 相关内容组织成一条学习线：先跑通最小执行循环，再拆 Deep Research 完整案例，最后用题库校准自己的回答。配套教程 Deep Research Agent 实战：8 章系统拆解知识模块 Agent 架构·工具调用·记忆·多智能体 Prompt 工程(Agent 的地基) 常见问题 Agent 面试和 RAG 面试考察重点有…

#专题学习#Agent 面试题大全与开发指南

系统教程·AI 编程

面试高频:LLM、Token、上下文、Agent 到底是什么

匹配正文：…自治循环: 感知(读输入/状态) → 规划(想下一步) → 行动(调工具) → 观察(看结果) → 回到规划……直到完成一句话:Agent = LLM(大脑) + 工具(手脚) + 循环(自治) + 记忆(状态)。面试官问「Agent 比直接调 LLM 多了什么」,答的就是这后三样。配套站内概念图:题库里 Transformer、注意力、KV Cache、RAG、Agent 等都配了示意图,看图理解更快。面试常踩的点「大模型为什么会幻觉?」→ 它是概率预测,不是知识库…

#Agent#AI 编程