**AIGC / 大模型 / AI Agent 算法岗 · 800+ 高频面试考点**

> RAG 160 · Agent 100 · RL 后训练 120 · Hermes Agent 100 · GraphRAG 100 · Loop Engineering 100 · 目标检测 100 · 经典专题 30+

---

## 这是什么

一份**中文编写、按考点组织、持续更新**的大模型算法岗面试题库。

和"把别人的面经搬过来"不同，这里的每道题都按同一套结构写：**先给一句话答案，再拆为什么，最后给面试官会追问什么**。题目不考背诵，考的是你能不能把权衡讲清楚。

> 举个真题：**长上下文模型（Gemini 1.5 Pro 1M token）能取代 RAG 吗？** 面试官不想听"能"或"不能"。他想听你从 **成本、时效、可溯源** 三个维度拆开讲——拆得出维度，就是高分。

## ![](https://developer.qcloudimg.com/http-save/yehe-8321049/12dfca95f902c7a29f97e2e99186987a.png)

## 这份题库的不同之处

|  | 常见面经仓库 | 本仓库 |
| --- | --- | --- |
| 组织方式 | 按文章 / 按公司 | **按考点**，每题带难度 ⭐ ⭐⭐ ⭐⭐⭐ |
| 答案形态 | 大段概念复述 | **一句话答案 + 深度拆解 + 避坑指南** |
| 题目取向 | 名词解释、背诵题 | **"为什么""怎么权衡""怎么落地"** |
| 技术时效 | 停更在某个时间点 | **跟到 2026 年的真高频**：Harness Engineering、Loop Engineering、GraphRAG、MCP |
| 参与方式 | 只能看 | **Issue 提新题 / PR 修答案，每条都看** |

## 适合谁

-   🎯 正在准备 **大模型算法岗、AI Agent 岗** 面试的同学（校招 / 社招 / 转岗都适用）
-   🔄 从 **CV、NLP、后端** 转 AIGC 的工程师——先补主干，再看方向
-   🧑‍💼 需要出题的 **面试官**——题目已按难度分层，可直接取用
-   📚 想系统梳理一遍大模型知识图谱的人

## 🗂️ 目录导航

| 模块 | 题量 | 已完成内容 | 直达 |
| --- | --- | --- | --- |
| 大模型 RAG | **160** | 40 题逐题详解 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/rag_160.md "进入 →") |
| 大模型 Agent | **100** | 24 题逐题详解 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/agent_100.md "进入 →") |
| 强化学习后训练（RLHF / PPO / DPO / GRPO） | **120** | 40 题逐题详解 + 作答要点 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/rl_post_training.md "进入 →") |
| Hermes Agent 专题 | **100** | 22 题逐题详解 + 作答要点 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/hermes_agent.md "进入 →") |
| Loop Engineering | **100** | 100 题作答要点 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/loop_engineering.md "进入 →") |
| 知识图谱 GraphRAG | **100** | 100 题作答要点 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/graphrag.md "进入 →") |
| 目标检测与机器视觉 | **100** | 100 题作答要点 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/cv_object_detection.md "进入 →") |
| **经典专题（30+）** | 数百考点 | 专题题单 + 逐专题答案入口 | [进入 →](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/classic_question_bank.md "进入 →") |

**经典专题包含哪些方向？（点击展开）**

大模型基础面 · 进阶面 · 微调 · LangChain · RAG · PEFT · 推理 · 增量预训练 · 评测 · 强化学习 · 训练集 · 显存优化 · 分布式训练 · Agent · 位置编码 · Tokenizer · 推理加速 · 幻觉 · 模型对比 · CoT · 数据泄露 · MoE · 蒸馏 · 软硬件配置 · Token 与参数 · 多模态 · NLP · KV Cache · 角色扮演 · Chat o1 · DeepSeek-R1 · 推理大模型 · Kimi 1.5 · MCP · 上下文工程 · Qwen3

每个专题都配了对应的答案目录，点进专题里的"点击查看答案"即可。

**已开源的逐题详解，直接看这里（126 题）**

| 详解文件 | 覆盖 |
| --- | --- |
| [RAG 基础篇 15 题](https://github.com/km1994/AIGC-Interview-Book/blob/main/rag/s1_foundation.md "RAG 基础篇 15 题") | 概念、Pipeline、Embedding、检索、幻觉 |
| [RAG 分块策略 15 题](https://github.com/km1994/AIGC-Interview-Book/blob/main/rag/s2_chunking.md "RAG 分块策略 15 题") | 固定/递归/语义/延迟分块、代码与表格处理 |
| [RAG Embedding 10 题](https://github.com/km1994/AIGC-Interview-Book/blob/main/rag/s3_embedding.md "RAG Embedding 10 题") | 模型选型、维度、微调、ColBERT、SPLADE |
| [Agent 基础篇 24 题](https://github.com/km1994/AIGC-Interview-Book/blob/main/agent/s1.md "Agent 基础篇 24 题") | Agent 概念、ReAct、工具调用、记忆系统 |
| [RL 后训练基础](https://github.com/km1994/AIGC-Interview-Book/blob/main/ql/s1_base/s1_base.md "RL 后训练基础") | RLHF 全流程、奖励模型、KL 约束 |
| [PPO 深度解析](https://github.com/km1994/AIGC-Interview-Book/blob/main/ql/s2_PPO/s2.md "PPO 深度解析") | 4 模型结构、优势函数、公式手推 |
| [DPO 深度解析](https://github.com/km1994/AIGC-Interview-Book/blob/main/ql/s3_DPO/readme.md "DPO 深度解析") | DPO 与 PPO 的取舍、损失函数推导 |
| [Harness Engineering 基础](https://github.com/km1994/AIGC-Interview-Book/blob/main/Harness/s1_harness_base/readme.md "Harness Engineering 基础") | Agent = Model + Harness、路由/记忆/权限 |
| [Harness 自进化核心](https://github.com/km1994/AIGC-Interview-Book/blob/main/Harness/s2_harness_core/readme.md "Harness 自进化核心") | 技能自动生成、Nudge Engine、学习闭环 |

## 🚀 怎么刷效率最高

**第一步：先扫 ⭐ 题，建立主干。** 从 [RAG 核心概念](https://github.com/km1994/AIGC-Interview-Book/blob/main/rag/s1_foundation.md "RAG 核心概念") 和 [Agent 基础](https://github.com/km1994/AIGC-Interview-Book/blob/main/agent/s1.md "Agent 基础") 入手，每天 20 题，两周过一遍。这一步只求"见过"，不求背熟。

**第二步：练"讲"，别练"看"。** 对着 ⭐⭐ 高频题，合上屏幕自己讲一分钟，再对照答案查漏。面试考的是表达，不是记忆力。

**第三步：用 ⭐⭐⭐ 场景题做模拟面试。** 拿 [Loop Engineering](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/loop_engineering.md "Loop Engineering")、[GraphRAG](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/graphrag.md "GraphRAG")、[目标检测](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/cv_object_detection.md "目标检测") 里的开放题自己出方案、讲权衡——这些题每题都写了「考察点 / 得分项」，正好用来给自己打分。

**按岗位选路线：**

-   **算法岗**：经典专题的「基础面 → 微调 → 分布式训练 → 显存优化」，再切 [RL 后训练 120 题](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/rl_post_training.md "RL 后训练 120 题")
-   **Agent / 应用岗**：[Agent 100 题](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/agent_100.md "Agent 100 题") → [Hermes 专题](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/hermes_agent.md "Hermes 专题") → [Loop Engineering](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/loop_engineering.md "Loop Engineering") → 经典专题的 MCP / 上下文工程
-   **从 CV/NLP 转 AIGC**：经典专题的「基础面 + 位置编码 + Tokenizer」打底，然后直奔 RAG 与 Agent
-   **时间只剩一周**：只过 ⭐ 题 + [经典专题](https://github.com/km1994/AIGC-Interview-Book/blob/main/docs/classic_question_bank.md "经典专题") 里你目标岗位对应的那一栏

## 🧭 题目长什么样

每道题都是同一套三段结构，方便你直接搬进自己的答题模板：

```bash
【⭐⭐】为什么说"RAG 70% 的效果由分块决定"？

💡 考察点：是否理解分块对召回质量的决定性影响，而不是只会调 chunk_size
🎯 得分项：能说清 分块 → 召回 → 生成 的传导链路；能给出具体 chunk 大小区间
✅ 作答要点：分块决定了检索单元的信息完整度。切碎了语义断裂，切大了噪声淹没……
```

## ![](https://developer.qcloudimg.com/http-save/yehe-8321049/5520ffcd0269257efc7adeb042b1e1c7.png)

## 🗓️ 更新计划

| 状态 | 内容 |
| --- | --- |
| ✅ 已完成 | RAG 40 题、Agent 24 题、RL 后训练 40 题、Hermes 22 题 逐题详解 |
| ✅ 已完成 | Loop Engineering / GraphRAG / 目标检测 各 100 题「考察点 + 得分项 + 作答要点」 |
| ✅ 已完成 | RAG 进阶篇与实战篇（41-160 题）逐题详解补齐 |
| ✅ 已完成 | Agent 工具系统、多 Agent 协作章节详解 |
| 📌 计划中 | 面经投稿真实面试复盘、大厂题库整理、季度高频考点变化 |

> 大模型这行变化快，本仓库会持续跟。想第一时间拿到更新，可以关注公众号（见文末）。

## 🤝 参与共建

内容靠大家，欢迎以任何方式参与：

-   **提出问题 / 补充新题** → 提 [Issue](https://github.com/km1994/AIGC-Interview-Book/issues/new "Issue")
-   **修正答案、改错别字、补链接** → 提 [Pull Request](https://github.com/km1994/AIGC-Interview-Book/pulls "Pull Request")，哪怕只改一个字
-   **分享真实面经** → 在 Issue 里按「公司 / 岗位 / 轮次 / 题目 / 复盘」写下来，我会整理进仓库
-   **发现题目过时或有争议** → 直接说出来，标注依据即可

具体的提交规范见 [CONTRIBUTING.md](https://github.com/km1994/AIGC-Interview-Book/blob/main/CONTRIBUTING.md "CONTRIBUTING.md")。每一条 Issue 和 PR 我都会看，有贡献的伙伴会出现在更新说明里。

## ⭐ 觉得有用？

如果这份题库帮到了你的面试准备，**点一个 Star** 就是最大的支持——它能让更多正在准备面试的人搜到这份内容，也能让我知道该继续投入。

> 也欢迎把它转给身边正在准备大模型面试的朋友。

## 📮 持续更新的地方

题库的完整答案、更新最快的部分

## ⚠️ 声明

-   本仓库内容由作者根据一线面试与工程实践整理，**免费开源**，欢迎转载分享（请附仓库链接）。
-   部分进阶题标注「可参考最新论文」，个别说法（如"RAG 70% 效果由分块决定"）属业内流传经验，暂无严格论文出处，请以批判视角看待。
-   若发现错误，欢迎提 Issue 纠错——**被指出错误并修正，比不出错更重要**。

**如果这些题目让你在面试里多讲对了一句话，那这个仓库就值了。**  
  
[⭐ Star 本项目](https://github.com/km1994/AIGC-Interview-Book/stargazers "⭐ Star 本项目")

RAG 160 · Agent 100 · RL 后训练 120 · Hermes Agent 100 · GraphRAG 100 · Loop Engineering 100 · 目标检测 100 · 经典专题 30+

大模型面试宝典开源啦！！！

人工智能

算法

职业发展

AIGC大模型与AI Agent算法岗面试题库，覆盖RAG、Agent、RL后训练等800+高频考点。每题均按"一句话答案+深度拆解+避坑指南"结构编写，附考察点与得分项。持续更新至2026年真高频技术，含GraphRAG、Loop Engineering等前沿专题，适合算法岗求职、转岗工程师及面试官使用。

上下文工程

数据泄露

强化学习

代码解释

知识图谱

LangChain

DeepSeek

GraphRAG

路由

Agent

ReAct 

RLHF

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

大模型面试宝典开源啦！！！-腾讯云开发者社区-腾讯云

大模型面试宝典开源啦！！！

大模型面试宝典开源啦！！！

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐