后端岗位面试题 · 系统设计 · tech:llm
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 29 道 · 更新 2026-08-05
筛选题目已选：系统设计 · tech:llm
考察点
技术栈
第 1 题请说明RAG（检索增强生成）的核心原理和标准流程。 考察对RAG原理、流程与组件的理解深度第 2 题请谈谈你对大模型安全攻防的理解，包括针对大语言模型本身的渗透测试、针对大模型训练与部署平台的测试，以及 LLM 相关的 OWASP Top 10 风险。 考察对大模型安全领域知识广度、深度及工程实践理解第 3 题AI Agent是怎么实现的？如何通过调用大模型的API、RAG、MCP等组件组合来实现这个Agent？ 考察对大模型应用架构、Agent实现模式和外部工具集成能力的理解第 4 题如果客服系统需要自动回复用户咨询，如何通过大模型实现智能问答？ 考察大模型在客服场景中的应用设计与工程落地能力第 5 题如何构建大模型校验功能所需的知识库？ 考察知识库构建的完整方法论与落地细节第 6 题在设计大模型生成代码的多agent工作流程时，你会如何划分各个agent的职责并协调它们协作？ 考察多agent系统设计能力和工作流编排思路第 7 题业务想用大模型的能力，用自有数据让大模型在汽车领域做回答，怎么让大模型学习到想要的结果？ 考察大模型领域适配的技术路线、数据工程与效果评估能力第 8 题大模型是有状态的吗？请结合服务端与客户端场景讨论。 考察对模型状态性的准确判断及对状态管理的理解第 9 题Agent（智能体）与大语言模型有什么差别？ 考察对 Agent 与大模型层级关系、能力边界和控制机制的理解第 10 题短期记忆怎么实现的 考察对短期记忆机制的理解与应用程序第 11 题请介绍大模型技术栈中你熟悉的核心技术，并说明它们的关联。 考察对大模型技术体系的理解广度与深度第 12 题请解释LLM Agent（智能体）的组成部分，并说明其如何利用大模型完成复杂任务。 考察对AI智能体架构和任务拆解能力的理解第 13 题在大模型智能体的 replanning 机制中，通常通过哪些机制来判断调用失败的原因，并重新选择工具或调整参数？请结合具体实现谈谈。 考察对大模型智能体错误诊断与重规划机制的理解第 14 题为什么需要 Agent，它和大模型有什么不同？ 考察对 Agent 与大模型差异的理解、应用场景判断及技术原理掌握第 15 题针对大模型幻觉问题，请提出系统性的解决方案。 考察对大模型幻觉治理方法体系的掌握与整合能力第 16 题如果让你设计一个 Agent 系统，与过去的小模型相比，你认为大模型在其中带来哪些能力提升和新的风险？ 考察大模型相对小模型在 Agent 场景中的能力跃迁与风险意识第 17 题如何设计并实现一个基于大模型的 Agent 架构？请说明各模块的作用和关键设计点。 考察 Agent 架构设计能力与工程实现细节第 18 题调用大模型时可能会调用失败，你们怎么处理这些异常？ 考察对模型调用稳定性保障的理解及异常处理体系的完整性第 19 题请说明大模型在推荐系统中用于用户画像刻画时的工作原理和典型方法。 考察对推荐场景下用户画像构建的模型理解和方案设计能力第 20 题基于目前的日志处理，如何用大模型来获取我们需要的日志信息？ 考察将大模型应用于日志信息提取的设计思路