20-大模型应用开发面试题库200题8讲47页

这份资料的名字很直白：200 道大模型应用开发面试题，8 讲拆解，配一份 47 页的课件。它不是一门从零讲 Transformer 的课，也不是带你训一个基座模型的课，它面向的是「已经会写代码、准备面大模型应用岗」的开发者。所以导读的重点不在于它覆盖了多少知识点，而在于它的结构能不能被当成一份可检索、可对照的工程手册来用。

它解决的是哪一类问题

大模型应用开发的面试，和传统后端面试的差别在于：很多考点没有唯一标准答案，只有「你知道几种方案、各自代价是什么」。比如 RAG 召回率上不去，面试官想听的不是「换更好的 embedding 模型」这一句，而是你怎么定位是切分粒度问题、还是 query 改写缺失、还是 rerank 没做。这类问题靠背八股是过不了的，必须有一套可以展开的工程判断链。

200 题的体量，本质上是把这个判断链拆成一个个可回答的单元。它适合的用法是：先按主题扫一遍，标记出自己答不完整的部分，再回到课件里去补齐那一块的上下文，而不是从头到尾顺序读一遍。

技术栈与知识分布

从题库的组织方式看，内容集中在几个工程化程度最高的方向：提示工程与结构化输出、RAG 全链路（切分、向量化、召回、重排、评估）、Agent 与工具调用（function calling、多轮状态管理、任务规划）、模型微调与对齐的基本概念（LoRA、指令微调、RLHF 的位置）、以及推理部署与成本控制（量化、并发、缓存、流式输出）。

这些方向共同的特点是：都能落到具体代码和参数上，而不是停留在概念层。题库里大量问题会追问「为什么这么设」「换一种做法会怎样」，这正是大模型应用岗和算法岗的分界线——应用岗更关心在给定模型能力下，怎么把系统调稳。

资料结构与使用方式

• 题库主体按主题分组，适合跳读和查漏，不适合线性刷。建议第一遍只做标记，第二遍针对标记项做深度复盘。
• 课件部分承担的是「解释层」的角色，把题目背后涉及的机制、常见实现路径和权衡讲清楚，是题库的补充而不是重复。
• 知识地图类文件的价值在于建立索引：当你不确定某个问题属于哪一块时，用它定位比翻目录快。

一个比较务实的做法是：挑 5～10 道自己最有把握的题，尝试写出完整回答（含方案对比和取舍理由），再对照课件检查遗漏点。这比刷完 200 题更能暴露真实水平。

怎么把它接进自己的项目

如果你手头正在做一个 RAG 或 Agent 相关的项目，这份题库可以当成一份设计评审清单。比如做检索时，把召回、重排、评估相关的题目过一遍，逐条问自己「我的实现里这块是怎么处理的」；做工具调用时，把状态管理和错误恢复相关的题目过一遍，检查有没有遗漏的边界情况。这种用法下，题库从面试材料变成了工程自查表，价值反而更高。

对于刚接触大模型应用层的开发者，建议先跑通一个最小可用的链路（比如一个带检索的问答），再来看这些题目。有具体实现打底，题目里的追问才有落点；纯空白状态下读，容易变成记忆名词。

适合谁，不适合谁

适合：有一定编程基础、准备大模型应用方向面试的开发者；正在做 LLM 应用但系统梳理不够的工程师；需要一份结构化清单来检查自己知识盲区的人。

不适合：想系统学习深度学习理论的人；期待完整项目实战代码的人；以及希望靠背题通过面试的人——这份资料里的题目，多数需要你有过真实调试经验才能答出层次。

把它当作一份高密度的检索式资料，配合自己的项目实践来回对照，比当成一门课从头看到尾更符合它的设计意图。