# AI 大模型与 Agent 面试题：RAG、MCP、Prompt 工程实战

> 面向前端与全栈工程师的 AI 面试题集合，覆盖大模型原理、Prompt、Agent、RAG、Function Calling、MCP、Memory、LangChain、LangGraph、前端 AI 集成和生产工程实践。

- 原文：https://feinterview.poetries.top/docs/ai-interview/summary
- 来源：前端进阶之旅（feinterview.poetries.top）
- 更新：2026.10.21
- 可见范围：免费部分

---

## AI 大模型与 Agent 面试题汇总

这份题库写给正在做或准备转 AI 方向的前端、全栈工程师，收的是 AI 应用岗面试里反复出现的题。每道题顶部的速记卡是面试时要说出口的要点，下面是能直接参考的回答；想弄懂原理就展开详细解析，最后的追问是面试官顺着往下挖时最常问的几个方向。

左侧分组按学习顺序从基础排到进阶：先把模型和 Prompt 用明白，再把 AI 接进前端页面，然后是工具调用、RAG、Agent、记忆这些应用核心，接着是让系统能上线的工程化，最后才是模型原理、微调部署和综合场景题。刚入门的话从头往下看，有基础的可以直接跳到自己岗位相关的分组。

复习时建议先只看题目自己讲一遍，讲得顺的跳过，卡壳的再看答案。

---

## 大模型核心概念

这一组是 AI 面试的开场题，问得最多的就是 `LLM`、`token`、上下文窗口和采样参数。答的时候别背定义，多讲讲这些概念在项目里怎么影响成本、效果和稳定性。

### 什么是大语言模型（LLM）？它和过去的 NLP 模型本质区别是什么？
- 本质：一个预测下一个 `token` 的概率模型，生成就是「猜一个 → 拼回上文 → 再猜下一个」的循环
- 区别一：以前一个任务训一个模型，分类、翻译各一套；现在同一个模型靠 `prompt` 切换任务
- 区别二：规模上去之后，出现了推理、写代码、跨语言这些小模型上看不到的能力
- 边界：它保证的是「说得像」，不保证「说得对」，算钱、改状态这类事要交给代码

**`LLM` 说到底是一个预测下一个 `token` 的概率模型：读上文、猜下一个词，再把猜出来的词拼回去接着猜。** 和以前的 `NLP` 模型比，最大的变化是不用再一个任务训一个模型了，分类、翻译、摘要都能在同一个模型里靠 `prompt` 切换；参数规模上去以后，推理和写代码的能力也跟着出来了。不过它本质上在算概率，说得流畅不代表说得对，所以项目里涉及金额、权限这类必须准确的环节，我还是会交给确定性代码处理。

<div data-doc-video="ai-auto-2d5e040cde84" data-doc-video-title="什么是大语言模型（LLM）？它和过去的 NLP 模型本质区别是什么？" data-doc-video-url="https://s.poetries.top/video/ai-summary-v1/ai-auto-2d5e040cde84.mp4" data-doc-video-poster="https://s.poetries.top/video/ai-summary-v1/ai-auto-2d5e040cde84.webp"></div>

**考察点**：能不能用大白话讲清楚，知道它做的是「概率预测」而不是「理解」。

`LLM` 做的事其实很单一：给一段上文，算出下一个 `token` 的概率分布，挑一个拼到上文后面，然后重复。聊天、写代码、翻译，底层都是这一个动作在循环。

拆开看一次生成：文本先被 `tokenizer` 切成一串编号，经过 `Transformer` 的注意力层，模型判断当前位置该参考前文的哪些内容，最后输出词表里每个候选 `token` 的概率。它之所以什么都能聊，是因为预训练阶段把海量文本和代码里的规律压进了参数，运行时并没有去查数据库，也没有在核对事实。

「输出概率」这一步是 `Softmax` 做的。模型最后一层给词表里每个 `token` 打一个原始分数（`logits`），能正能负、加起来也不是 `1`；`Softmax` 先取指数再归一化，把它们变成加起来为 `1` 的概率，`temperature` 就是在这之前把 `logits` 除以一个数，调分布的尖锐程度。训练时的损失是交叉熵，也就是 `-log(真实下一个 token 的概率)`：模型给正确答案 `0.9` 的概率，损失约 `0.1`；只给 `0.01`，损失约 `4.6`，越是自信地猜错罚得越重。所以说大模型就是在整个词表上反复做多分类，并不夸张。

和过去的 `NLP` 模型相比，差别主要在两点。

第一是不再一个任务一个模型。以前做情感分类要训一个分类器，做翻译要训一个翻译模型，每个模型的输入输出都是定死的。现在把任务说明、几个示例和待处理的内容一起写进 `prompt`，同一个模型就能干不同的活。

第二是规模带来了新能力。参数量和训练数据上去之后，模型开始表现出推理、写代码、跨语言迁移这些能力，小模型上基本看不到。这个现象常被叫作「涌现」，至于它是不是真的突变，学界还有争论，后面讲涌现能力的那题会细说。

省掉「一个任务训一个模型」的成本，代价是稳定性不再由训练保证，而要靠 `prompt`、评测和外部校验来兜。所以工程上常见的分工是：模型负责理解用户意图和组织语言，金额计算、权限判断、订单状态变更这些必须百分百正确的事，交给后端代码。

下面这段代码没有实现神经网络，只是把「上一轮的输出变成下一轮的输入」这个过程写了出来：

```ts
type NextToken = { token: string; probability: number }

function greedyDecode(step: (context: string[]) => NextToken[], prompt: string[], max = 4) {
  const context = [...prompt]
  for (let index = 0; index < max; index += 1) {
    const candidates = step(context).sort((a, b) => b.probability - a.probability)
    const next = candidates[0]
    if (!next || next.token === '<eos>') break
    context.push(next.token)
  }
  return context
}
```

循环有两个出口：模型吐出结束标记 `<eos>`，或者达到最大长度 `max`。真实的推理服务还要处理采样策略、上下文长度上限和 `KV Cache`，但骨架就是这样。两个出口如果都没守住，生成就会一直跑下去，线上偶尔看到模型「停不下来、反复输出同一段」，很多时候就是这个原因。

- **你说它只是在算概率，那它为什么能把我们的退款规则讲得头头是道？能不能干脆让它直接算退款金额、改订单状态？**

  讲得好是因为它见过大量类似的规则文本，说得通顺不代表算得对。金额和状态变更我会放在后端代码里做，模型只负责理解用户想干什么、再把结果讲清楚，它算错一次就是一次资损。

- **我们原来有情感分类、翻译、摘要三个模型，现在想合成一个 `LLM` 服务，是不是换个接口就完事了？**

  接口能合，验收合不了。三类任务的 `prompt` 和输出格式要分别设计，测试集也要按任务各准备一份。以前稳定性是训练出来的，现在要靠 `prompt` 和评测来保证，这部分工作是省不掉的。

- **线上有个代码助手，输出到一半开始反复写同一段，一直不结束，你先查什么？**

  先看有没有设 `max_tokens` 和停止条件。自回归生成本来就是一直往后接，模型没吐出结束标记、服务端又没设上限，就会一直跑。上限能止损，但设得太小会把正常的长代码也截断，所以还要回头看是不是 `prompt` 或采样参数让模型陷进了重复。

- **既然模型越大越聪明，知识库问答换个更大的模型，引用校验是不是就可以省了？**

  省不了。模型再大也不知道你们公司文档里写了什么，更不会自己去核对。检索到的资料还是要放进上下文，回答里的引用和关键字段还是要校验。大模型改善的是表达和推理，给不了事实保证。

### 调一次大模型对话接口，请求体和返回体里有哪些关键字段？
- 请求四件：`model` 选谁、`messages` 说什么、采样参数怎么说、`stream` 要不要流式
- `role` 分 `system`、`user`、`assistant`、`tool`，历史对话靠前端或服务端每次重新带上
- `max_tokens` 只管输出上限，输入超长是另一个错误
- 返回看三样：`content` 是答案，`finish_reason` 看停没停对，`usage` 用来算钱
- 流式时内容在 `delta` 里分段到，`usage` 要单独开开关或看最后一个事件

**一次对话请求说白了就四件事：用哪个模型（`model`）、给它看什么（`messages`）、让它怎么说（`temperature`、`max_tokens` 这类参数）、要不要边生成边返回（`stream`）。** 返回体里我最关心三个字段：`content` 是回答本身，`finish_reason` 告诉我它是正常说完还是被截断了，`usage` 记录输入输出各用了多少 `token`，计费和限额都靠它。面试官问「你们怎么对接大模型的」，我会先把这几个字段讲清楚，再讲流式和 `BFF` 那一层。

<div data-doc-video="ai-auto-f23dffa323de" data-doc-video-title="调一次大模型对话接口，请求体和返回体里有哪些关键字段？" data-doc-video-url="https://s.poetries.top/video/ai-summary-v1/ai-auto-f23dffa323de.mp4" data-doc-video-poster="https://s.poetries.top/video/ai-summary-v1/ai-auto-f23dffa323de.webp"></div>

**考察点**：有没有真的调过模型接口，能不能说清每个字段在产品里对应什么功能。

很多前端第一次接 AI，是从一个 `OpenAI` 兼容格式的 `/chat/completions` 接口开始的。国内大多数厂商也兼容这套格式，所以把它吃透，换模型时基本只改 `baseURL` 和 `model`。下面用代码演示一次非流式调用，这段放在 `Node.js` 服务端跑，密钥从环境变量读：

```ts
const res = await fetch('https://api.example.com/v1/chat/completions', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json', Authorization: `Bearer ${process.env.LLM_API_KEY}` },
  body: JSON.stringify({
    model: 'your-model-id',
    messages: [
      { role: 'system', content: '你是前端面试助手，回答控制在 200 字以内' },
      { role: 'user', content: '解释一下 BFC' },
    ],
    temperature: 0.3,
    max_tokens: 800,   // 只限制输出长度，不影响输入
    stream: false,
  }),
})
const data = await res.json()
const choice = data.choices[0]
console.log(choice.message.content) // 回答正文
console.log(choice.finish_reason)   // stop 正常结束，length 被 max_tokens 截断
console.log(data.usage)             // { prompt_tokens, completion_tokens, total_tokens }
```

请求这一侧，`messages` 是重点。`system` 放规则和人设，`user` 是用户说的话，`assistant` 是模型之前的回复，`tool` 是工具执行结果。模型本身不记事，第二轮对话时要把第一轮的 `user` 和 `assistant` 一起带上，它才「记得」上文。这也是为什么聊得越久越贵：每一轮都在为全部历史重新付输入费。

`max_tokens` 有个常见误解，很多人以为它能防止输入超长。它只管输出，输入加输出超过上下文窗口时，接口会直接报错，那要靠截断历史或摘要去解决。另外不同厂商叫法不完全一样，有的新模型改叫 `max_completion_tokens`，`Anthropic` 的接口要求必须传 `max_tokens`，`system` 也是单独的顶层字段，不放在 `messages` 里。这些差异以各家文档为准，项目里我会在服务端包一层适配，前端只认自己定义的格式。

返回这一侧，`finish_reason` 决定前端怎么展示：`stop` 正常显示，`length` 要提示「回答被截断，点击继续」，`tool_calls` 说明模型想调工具，还没到给用户看答案的时候。`usage` 要落库，它是计费、限额和成本分析的依据。

改成 `stream: true` 后，返回变成一串 `SSE` 事件，每个事件的 `choices[0].delta.content` 是一小段新文字，最后以 `data: [DONE]` 结束。流式时 `usage` 默认不一定给，`OpenAI` 格式要加 `stream_options: { include_usage: true }`，用量会出现在最后一个事件里。忘了加这个，上线后账单对不上，是很常见的坑。

- **用户反馈「AI 不记得我上一句说了什么」，前端排查第一步看什么？**

  打开网络面板看请求体里的 `messages`，大概率只带了最新一条。模型接口是无状态的，历史要每次带上，要么前端带，要么服务端按会话 `id` 从库里拼。

- **产品要做一个「回答太短了，让它多写点」的按钮，你改哪个参数？**

  `max_tokens` 只是上限，调大不会让它主动写长。真正起作用的是在 `prompt` 里写清楚篇幅要求。`max_tokens` 要留够余量，防止写到一半被截断，截断了 `finish_reason` 会变成 `length`，前端据此给出「继续生成」。

- **同样的代码切到另一家模型，接口返回 `400`，提示 `system` 字段不支持，怎么处理？**

  这是厂商格式差异，有的把 `system` 放顶层，有的放 `messages` 里，有的新模型还有 `developer` 角色。我会在服务端做一层适配，业务代码统一用内部的消息格式，每接一家写一个转换函数，并给它补上用例。

- **月底一对账，平台显示的 `token` 用量比我们库里记的多了一截，可能是哪里漏了？**

  先看流式请求有没有拿到 `usage`，没开 `include_usage` 的话流式请求的用量就是空的。再看用户点停止的请求，模型已经生成的部分照样计费，但很多代码在中止时直接丢弃了。还有重试和工具调用产生的多轮请求，也要逐次累加。

### Prompt、RAG、Function Calling、MCP、Agent、Skills 这几个概念是什么关系？
- `Prompt` 是说给模型的话，其余几个都在往这段话里加料或扩展手脚
- `RAG` 往上下文里塞资料，解决「不知道」
- `Function Calling` 让模型提出调用请求，执行永远是代码的事
- `MCP` 是工具和数据的标准接口，`Skills` 是按需加载的操作手册
- `Agent` 把它们串成循环：想 → 调工具 → 看结果 → 再想，直到完成

**这几个词不在一个层面上，我习惯用「一个新员工」来串：`Prompt` 是你交代给他的话，`RAG` 是递给他的参考资料，`Function Calling` 是他能填的申请单，`MCP` 是公司统一的系统接入方式，`Skills` 是部门的操作手册，`Agent` 是让他自己反复干、直到把事办完的工作方式。** 落到一次请求里，`Prompt`、检索到的资料、`Skill` 正文都是上下文的一部分，工具定义随请求一起发，模型只负责决定下一步，真正执行的始终是我们的代码。

<div data-doc-video="ai-auto-099502b2b793" data-doc-video-title="Prompt、RAG、Function Calling、MCP、Agent、Skills 这几个概念是什么关系？" data-doc-video-url="https://s.poetries.top/video/ai-summary-v1/ai-auto-099502b2b793.mp4" data-doc-video-poster="https://s.poetries.top/video/ai-summary-v1/ai-auto-099502b2b793.webp"></div>

**考察点**：能不能把这些热词放进同一张图里，说清各自解决什么问题、谁依赖谁。

面试里这道题经常是开场，面试官想看你是背了一堆名词，还是知道它们在一次请求里各自待在哪。

先抓住一个事实：模型只能读一段上下文，然后输出文字，或者输出一个「我想调某个工具」的结构化请求。其余所有概念，都是围绕这个事实在做文章。

---

> 以上是免费部分。完整内容需要「前端进阶之旅」会员，原文：https://feinterview.poetries.top/docs/ai-interview/summary
