大模型应用开发面试题库200题（ 8讲47页）

这份《大模型应用开发面试题库 200 题》本质上不是一门课，而是一套按面试考察维度整理的题目集，共 8 讲 47 页，另附一张知识点地图。它不会教你从零写代码，也不覆盖模型训练本身的推导，定位很明确：你已经接触过大模型应用开发，想验证自己的知识有没有漏洞，或者准备面试前集中过一遍高频考点。

它对应的是哪类工作场景

大模型应用开发和传统后端面试的问法差别不小。传统岗位问的是并发、事务、索引；这个方向更常被问到的是：一条完整的 RAG 链路里，切分、召回、重排各环节会出什么问题；Prompt 在什么情况下会退化，怎么评测；模型输出的稳定性怎么保证；成本、延迟、效果三者怎么取舍；Agent 的工具调用失败了要怎么兜底。

这套题库基本是围绕这些真实岗位里每天要处理的问题组织的。它覆盖的知识面偏向“落地”，而不是“原理综述”——你不太会在里面看到长篇的注意力机制推导，但会看到很多“这个参数调大调小分别会发生什么”这类必须答出判断的问题。对已经做过一两个项目、但知识是零散拼起来的人来说，这种题面本身就是一次体检。

学完能独立做什么

更准确地说，是“答完能独立判断什么”。过一遍之后，你应该能做到几件事：拿到一个业务需求，能说清该用 RAG 还是微调还是纯 Prompt，并给出理由；面对召回效果差的问题，能按顺序排查是切分、embedding、还是重排的问题；能讲清楚一次评测该怎么设计，指标怎么选，而不是只会说“人工看”。

这些都是面试里区分“用过”和“懂”的关键点。题目集不会替你把项目做出来，但它会把面试官想听的判断框架先摆出来，你对着自己的项目往里填即可。

资料结构和适合的基础

主体是一份完整的题目文档，按知识模块分成若干讲，另有一张知识点地图，方便先看全局再逐块攻。题目本身给了答案要点，所以它适合当自查材料，而不是当教材逐字背诵。

基础方面，比较合适的起点是：写过一个调用模型 API 的小应用，理解向量检索的基本概念，知道微调和 RAG 大概是什么。如果完全没碰过实际项目，直接刷这份题库会比较吃力，很多题你只能记住答案而说不出为什么。

怎么用效率更高

• 先过知识点地图，标出自己不熟的模块，再决定从哪一讲开始，不要按顺序从头刷。
• 第一遍先自己答，答不出来的做标记，不要直接看答案——这套材料最大的价值就是暴露盲区。
• 答完对照答案时，重点看它给的理由和取舍逻辑，而不是结论本身，面试追问的往往是这一段。
• 把每道题往自己的项目上套一遍，能举出具体例子的答案，比背下来的答案稳得多。
• 临近面试时只看标记过的题，重复过一遍即可，不用整本重刷。

最后提醒一点：题库能帮你补齐表达和判断，但补不了真实经验。如果你的项目经历本身很单薄，建议先动手做一个小的 RAG 或 Agent 应用，再回来刷题，效果会差很多。