大模型应用开发面试题库200题（ 8讲47页 ）

这份资料的主体是一套 200 道的大模型应用开发面试题，外加 8 讲课件说明和一张知识地图。它不是视频课，也不是从零讲起的教程，更像是给已经写过一些 LLM 应用、准备面试或准备做技术复盘的人用的一份题库 + 知识索引。如果你正在对照自己的项目查漏，或者需要一份结构化的提问清单来检验自己对 RAG、Agent、微调、推理优化这些方向的掌握程度，这份题库的价值主要在于「提问方式」和「知识地图」，而不在于题目本身有多难。

技术栈覆盖范围

从题目分布来看，它覆盖的是当前大模型应用层最主流的几块内容：Prompt 工程与结构化输出、RAG（检索增强生成）的完整链路、Agent 与工具调用、模型微调与对齐、推理与部署优化、评测与可观测性，以及安全与合规。这些方向和实际工程里的模块划分基本是对应的，不是按论文主题来组织的。

具体到工程细节，RAG 部分会涉及分块策略、向量库选型、召回与重排的取舍、混合检索的实现方式；Agent 部分会涉及 ReAct、Function Calling、多轮工具编排、状态管理；微调部分会涉及 LoRA/QLoRA、数据构造、灾难性遗忘的处理。这些都是落地时真正会卡住人的地方，题目本身也偏向「你怎么设计」「为什么这么选」这类开放问题，而不是背概念。

资料结构与使用方式

资料由三部分组成：一份完整题库 PDF、一份课件说明、以及一张 knowledge-map.html 知识地图。知识地图是这里面最值得先看的东西——它把 200 道题按主题聚成了几个簇，能让你快速判断自己在哪一块是空白。建议的用法是：先过一遍知识地图，标出自己答不上来的分支，再回到题库里针对性地看那一类问题，而不是从第一题顺序刷到最后。

题库的解析部分适合当「参考答案的边界」来看，而不是标准答案。大模型应用开发这个领域很多问题没有唯一解，解析给出的是一种合理的工程权衡思路。你可以拿它对照自己项目里的实际做法，看看差异在哪，这个对照过程比记住结论更有用。

可复用的部分

对做工程的人来说，这份资料里能直接拿走复用的有两块。一是知识地图的结构，可以改造成自己团队的技术雷达或者新人自查清单；二是题目本身的提问框架，很多问题可以原样搬进项目 design review 或者代码评审的讨论提纲里，比如「你的召回为什么要加重排」「Agent 循环怎么防止死循环」「微调数据怎么保证分布覆盖」。

如果你在做面试官这一侧的工作，这份题库也可以反向用——它的题目颗粒度比较适合做初筛和中级面试，不太适合考察架构级判断，但用来快速判断候选人对 RAG 和 Agent 链路是否真的动手做过，是够用的。

适合谁，不适合谁

适合的人：已经写过大模型应用、想系统梳理一遍知识盲区的工程师；正在准备大模型方向面试、需要一份结构化题库的人；带团队、想给组里做技术自查的负责人。

不太适合的人：完全没接触过 LLM 应用、想从零学起的初学者——这份资料不教你怎么搭第一个 RAG，默认你已经有过实践；以及想找标准答案、背题应试的人——开放题偏多，背下来也没法直接用。

自学路径建议

如果拿它当自学主线，比较合理的顺序是：先用知识地图定位薄弱模块，再从题库里挑对应主题的问题自问自答，答不出来的去补项目实践或翻官方文档，最后回到题目用「讲给别人听」的方式复述一遍。整个过程是「提问—实践—复述」的循环，而不是「看题—看答案」的线性流程。

把它当成一份提问清单和结构参考，配合你手上正在做的项目一起用，效果会比单独刷题好得多。资料包里的 PDF 和知识地图建议都打开对照着看，前者是内容，后者是索引。