后端岗位面试题 · 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 174 道 · 更新 2026-08-05
筛选题目已选：tech:llm
考察点
技术栈
第 21 题你日常学习、工作或生活中用过哪些大模型工具？ 考察候选人对大模型工具的实际使用广度与真实性第 22 题有一些LLM支持超长上下文，怎么做到的？ 考察对超长上下文实现机制的深入理解与关键技术取舍第 23 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 24 题请谈谈你对大模型智能体的了解。 考察对大模型智能体核心概念、技术组成与应用场景的理解第 25 题如何设计一个高质量的Prompt来引导大语言模型完成指定任务？ 考察对大模型Prompt设计原则、结构化和迭代优化的理解第 26 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 27 题请简要介绍你了解或使用过的大模型，并说明它们的特点或适用场景。 考察对大模型的基础认知、技术理解与选型意识第 28 题在这些大模型工具中，你觉得哪一个更好，为什么？ 考察候选人的工具评估能力与判断依据第 29 题请你介绍几种常见的大模型微调方法，并说明它们的适用场景和优缺点。 考察对大模型微调技术体系的理解和应用选型能力第 30 题你对AI大模型有什么看法？用过哪些大模型，认为它们有什么弊端？ 考察对大模型的实践使用、技术理解与风险认知第 31 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 32 题你对大模型的基础原理（如 Transformer、预训练与微调）有哪些了解？ 考察对大模型核心概念的理解深度第 33 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 34 题请介绍你在大型语言模型训练或微调方面的实践经验。 考察大模型训练微调的经验深度、方法论理解与问题解决能力第 35 题你认为与大模型之前的 workflow 相比，Agent 真的解决了更多问题吗？为什么？ 考察对 Agent 相对传统 workflow 的本质差异和实际收益的理解第 36 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 37 题介绍一下大语言模型的RAG？ 考察对RAG架构、核心流程和应用价值的理解第 38 题大模型训练存在灾难性遗忘问题，如何解决？ 考察对大模型持续学习与灾难性遗忘的深入理解和解决方案设计第 39 题你如何看待不同主流大语言模型的差异？你会如何选择和使用它们？ 考察对大语言模型生态的认知与选型能力第 40 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