Agent 接到任务后，需要读取上下文、决定下一步动作、调用工具、观察结果，再判断继续、结束还是交给人工。AI Agent 面试题基本沿着这条执行链路展开，Memory、MCP、Skills、Harness 和 Workflow 都可以放回链路中理解。
题目按 JavaGuide AI Agent 专题的章节分组。每组都附有详细文章，这里只整理考点和问题，不重复展开答案。
相关内容：《AI Agent 核心概念：Agent Loop、Plan-and-Execute、A2A、Agentic Workflows、Tools 注册》
File not found
AI 应用开发面试通常从一次模型调用问起，再延伸到 RAG、Agent、工具调用和系统设计。除了概念，面试中还会检查你能否解释完整链路，定位效果问题，并处理成本、稳定性和权限风险。
这篇文章是 AI 面试题的总入口。四篇题目页负责集中列出问题，详细原理、代码、图解和工程方案放在对应专题文章中。
| 面试题模块 | 主要内容 | 适合重点复习的人群 |
|---|---|---|
| 大模型基础面试题总结 | Token、上下文窗口、采样参数、API 调用、流式输出、结构化输出、Function Calling、AI 应用评测 | 所有准备 AI 应用开发面试的人 |
| AI Agent 面试题总结 | Agent Loop、Memory、Prompt Engineering、Context Engineering、MCP、Agent Skills、Harness Engineering、Workflow、Graph、Loop | 准备 Agent、工具调用和工作流相关岗位的人 |
| RAG 面试题总结 | RAG 基础、Embedding、向量数据库、文档处理、Hybrid Search、Query Rewrite、Rerank、GraphRAG、知识库更新与评测 | 准备知识库问答和搜索增强生成相关岗位的人 |
| AI 系统设计面试题总结 | 生产级架构、模型网关、调用治理、可观测、评测、安全合规、实时语音 Agent | 有项目经验或需要准备系统设计面试的人 |
AI 系统设计题通常从一个具体场景开始，例如企业知识库、智能客服、Agent 平台或实时语音助手。随着问题展开，面试官会继续追问模型调用、上下文、检索、工具、安全、成本和评测如何放进同一条生产链路。
题目按 JavaGuide AI 系统设计专题的内容分组。每组都附有详细文章，这里只整理常见问题，具体方案和实现细节放在对应原文中。
一次大模型调用从 Token 化开始，经过上下文组装和采样生成，再由后端处理流式返回、限流、重试、结构化解析和日志。基础面试题会沿着这条调用链路追问成本、延迟、稳定性和安全问题。
题目按 JavaGuide 大模型基础专题的章节分组，详细原理和工程示例放在对应文章中。这里保留考点和问题，方便集中复习。
一条 RAG 链路要处理文档解析、Chunk、Embedding、索引、召回、重排、上下文组装和生成。系统运行一段时间后，还会遇到文档版本、权限变化、索引重建和效果评测等问题。题目按 JavaGuide RAG 专题的章节分组，每组都附有详细文章。
基础题围绕 RAG 的工作流程和适用场景展开，也会与传统搜索、微调和长上下文做比较。幻觉、引用和拒答通常会作为后续追问。