如何用 system prompt 稳定地控制模型的语气与角色设定？
围绕“如何用 system prompt 稳定地控制模型的语气与角色设定”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确角色描述应包含的可检验行为要素。
核心关键词system prompt 角色设定 语气控制 Claude
面试知识索引 · 分类、标签与搜索
5000 道程序员面试题，每题都有完整答案
程序员面试题库第 15 页，收录第 701–750 题，共 5000 道完整解析，覆盖前端、JavaScript、React、Vue、Node.js、AI Agent、网络、数据库与系统设计。
5,000完整问题
52技术分类
178检索标签
100索引分页
快速定位
分类、标签与关键词搜索
技术分类52 个
全部分类5000AI Agent511浏览器301JavaScript285React281AI 开发262CSS240Node.js217TypeScript206Vue180前端工程化138React Native135
查看全部 52 个分类
热门标签178 个
查看其余 163 个标签
测试109数据库事务95实时通信92Web 可访问性90动画79可观测性77Agent 记忆75向量检索66工具调用66LangGraph59Prompt56任务规划53排障与运维53数据库索引52浏览器自动化51Flexbox50值与类型50GraphQL49事务与并发49构建与镜像49DNS 与 TLS48工程协作与交付48AI 评测47CSS Grid47Express 服务47MCP47副作用与同步47向量与嵌入47文件与多媒体47流与二进制47传输与协议46列表与性能46可维护代码46响应式原理46容器运行46指标日志追踪46数据建模与运维46文件与 I/O46表单与输入46MCP 协议45RAG45Vite 与模块构建45Webpack45内存与虚拟化45原生集成45多 Agent45工作负载与发布45应用与性能45数据处理45模块与工具链45组件与模板45缓存与数据结构45网络与运维45评估与调试45身份认证与授权45运行时与开发45Web 系统方案44一致性与容错44侦听与生命周期44分布式使用44原生组件与交互44可访问交互44消息与异步处理44渲染与调度44索引与执行计划44组件设计44缓存与代理44进程与并发44层叠与选择器43攻击面与防御43文档数据库43权限与安全43离线与渐进增强43语义与文档43请求与通信 API43Worker 与线程协作42事件系统42存储与离线数据42服务架构42服务端与流式渲染42服务端工程42泛型设计42版本控制42类型收窄42类型运算42组件与端到端42编码与执行42进程与线程42DOM 与文档操作41Flex 布局41HTTP 语义41NestJS 架构41REST 与接口契约41SQL 查询41加载与交互性能41动画与视觉41类型工程41记忆与状态41运行时与调度41Agent 架构40WebAssembly 集成40单元与集成测试40多 Agent 协作40工作流编排40模块与语言机制40浏览器与 UI 自动化40生产运行40函数与作用域39响应式设计39性能与并发39类型系统基础39Grid 布局38数组与集合38盒模型与排版38Hooks 与复用37应用开发37推理与成本37状态共享37知识库数据37模型与应用评测36对象与原型35状态与渲染35语言与并发35异步与 Promise34Effect32RAG 检索31React 性能31响应式与性能31微调与数据31TanStack Query30全栈边界30数据与缓存30大模型基础29路由与数据流29事件循环28流式交互28提示与上下文设计27数据与服务端27组件与依赖注入27组件与响应式27多模态应用24应用与渲染24Hydration22沙箱安全22状态管理18算法18CI/CD13语言与运行时10React Server Components6搜索与排序4实用函数实现3链表栈队列3图算法2字符串算法2树与遍历2索引与高级结构2Kubernetes1作用域与函数1动态规划1异步与浏览器1手写与交互性能1数组与双指针1相等比较1
第 15 页
本页面试问题
按稳定语义路径排序
- 0701
- 0702
预填充 assistant 回复的开头能解决哪些输出控制问题？
围绕“预填充 assistant 回复的开头能解决哪些输出控制问题”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明预填充对格式锁定与跳过客套话的作用及其限制。
核心关键词Claude prefill assistant 预填充 输出控制 - 0703
Anthropic 的 prompt caching 适合缓存提示词的哪些部分？
围绕“Anthropic 的 prompt caching 适合缓存提示词的哪些部分”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确缓存稳定前缀（system、文档、示例）的收益与失效条件。
核心关键词prompt caching 缓存设计 前缀一致性 - 0704
如何把不可信的用户输入与可信指令隔离以缓解提示注入？
围绕“如何把不可信的用户输入与可信指令隔离以缓解提示注入”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确数据/指令分离与标记不可信内容的提示层手段。
核心关键词提示注入 防御 不可信输入 隔离 - 0705
如何设计提示词让模型先引用证据再作答以降低幻觉？
本题给出“先摘录后作答”的提示设计：强制先输出带编号的原文证据再写答案，分析其压缩生成空间的机理，并指出在矛盾证据、超长文本下要加额外约束并牺牲部分token。
核心关键词引用证据 降低幻觉 提示词设计 - 0706
什么情况下应把复杂任务拆成多次提示调用（prompt chaining）而非单次长提示？
围绕“什么情况下应把复杂任务拆成多次提示调用（prompt chaining）而非单次长提示”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出拆分判断信号（中间结果需校验、子任务异质）。
核心关键词提示链 任务拆分 多次调用 - 0707
提示词模板中直接拼接用户变量有什么风险，应如何安全插值？
围绕“提示词模板中直接拼接用户变量有什么风险，应如何安全插值”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确模板注入与转义/定界策略。
核心关键词提示词模板 变量注入 安全插值 - 0708
如何在发送请求前估算提示词 token 数以避免超出上下文窗口？
围绕“如何在发送请求前估算提示词 token 数以避免超出上下文窗口”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确计数工具/接口的使用与预留输出余量的实践。
核心关键词token 估算 上下文窗口 计数 Claude - 0709
为什么提示词需要像代码一样做版本管理，应记录哪些元信息？
围绕“为什么提示词需要像代码一样做版本管理，应记录哪些元信息”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确版本记录字段（模型版本、参数、评估结果）与回滚价值。
核心关键词提示词 版本管理 元信息记录 - 0710
为什么在提示词中使用 XML 标签组织输入能提升 Claude 输出质量？
围绕“为什么在提示词中使用 XML 标签组织输入能提升 Claude 输出质量”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要解释标签帮助模型区分指令、数据与示例的机制。
核心关键词Claude 提示词 XML 标签 结构化输入 - 0711
什么场景下应该从零样本提示切换到少样本提示？
围绕“什么场景下应该从零样本提示切换到少样本提示”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出从零样本升级到少样本的判断信号（如格式不稳、边界错误）。
核心关键词zero-shot few-shot 提示 选择 场景 - 0712
如何用 AbortController 正确取消一个正在进行的 fetch 流式请求？
本题解释如何用 AbortController 取消正在进行的 fetch 流式请求，包括 abort 后 reader 抛出 AbortError、需调用 cancel() 释放锁、捕获异常避免未处理拒绝，并给出前端 AI 对话停止生成的具体实现。
核心关键词AbortController 取消 fetch 流式请求实践 - 0713
Anthropic Messages API 流式响应中 message_start、content_block_delta、message_stop 等事件各自携带什么信息？
题目解析Anthropic流式事件中message_start、content_block_delta、message_stop的职责分工与顺序，区分内容块增量和顶层元数据更新，描述多块拼接、工具参数增量解析以及中断时没有message_stop的处理。
核心关键词Anthropic 流式事件类型 message_start content_block_delta - 0714
Anthropic TypeScript SDK 中流式请求的 APIError、APIConnectionError 等错误类型应如何分别捕获处理？
围绕“Anthropic TypeScript SDK 中流式请求的 APIError、APIConnectionErro”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须区分可重试与不可重试的错误类型并给出处理策略。
核心关键词Anthropic SDK 流式错误类型处理 - 0715
当模型产出速度超过前端渲染能力时，流式管线中的背压问题如何缓解？
围绕“当模型产出速度超过前端渲染能力时，流式管线中的背压问题如何缓解”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明缓冲丢弃中间帧、节流到动画帧等消费侧背压手段。
核心关键词流式背压渲染跟不上如何缓解 - 0716
取消一个流式 LLM 请求后，已生成的 token 是否仍然计费？
围绕“取消一个流式 LLM 请求后，已生成的 token 是否仍然计费”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖回答需要围绕必须基于流式生成的实际产出说明计费边界。
核心关键词取消流式请求后 token 是否计费 - 0717
SSE 的一个事件可能被拆到多个 TCP 数据块中，客户端如何正确按行缓冲拼接？
围绕“SSE 的一个事件可能被拆到多个 TCP 数据块中，客户端如何正确按行缓冲拼接”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明不能假设一次 read 对应一条完整事件、需要按 \n\n 切分缓冲。
核心关键词SSE 跨包行缓冲与数据拼接机制 - 0718
跨域调用流式接口时 CORS 与 SSE 有哪些容易踩的坑？
围绕“跨域调用流式接口时 CORS 与 SSE 有哪些容易踩的坑”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明凭据模式、预检与响应头要求。
核心关键词SSE 跨域调用 CORS 预检踩坑 - 0719
如何区分连接超时、首 token 超时（TTFT）与流中间静默超时，并分别配置？
围绕“如何区分连接超时、首 token 超时（TTFT）与流中间静默超时，并分别配置”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出三类超时的判定信号与各自的合理默认值思路。
核心关键词流式请求连接超时与首 token 超时区别 - 0720
流式响应中途返回错误事件或连接断开，已显示的部分回答应该如何处理？
围绕“流式响应中途返回错误事件或连接断开，已显示的部分回答应该如何处理”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须对比保留部分回答并提示重试、整段丢弃、自动续问三种策略的适用场景。
核心关键词流式中途错误已显示内容如何恢复 - 0721
如何用 fetch 的 ReadableStream 手动消费一个 LLM 流式响应？
围绕“如何用 fetch 的 ReadableStream 手动消费一个 LLM 流式响应”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 reader.read() 循环、done 标志与 Uint8Array 解码流程。
核心关键词fetch ReadableStream 读取流式响应方法 - 0722
本地推理的流式输出为什么首 token 延迟高但后续 token 均匀，如何向用户呈现等待状态？
围绕“本地推理的流式输出为什么首 token 延迟高但后续 token 均匀，如何向用户呈现等待状态”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 prefill 与 decode 阶段差异对 UX 的影响。
核心关键词本地推理首 token 延迟高如何提示 - 0723
为什么多个 SSE 长连接在 HTTP/1.1 下会阻塞页面其他请求，HTTP/2 如何缓解？
围绕“为什么多个 SSE 长连接在 HTTP/1.1 下会阻塞页面其他请求，HTTP/2 如何缓解”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要解释浏览器每域名 6 连接限制与多路复用的差异。
核心关键词HTTP/2 如何缓解 SSE 连接数限制 - 0724
设计 LLM 流式协议时，整包 JSON 快照下发与增量 delta 下发各有什么利弊？
围绕“设计 LLM 流式协议时，整包 JSON 快照下发与增量 delta 下发各有什么利弊”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须比较两者在带宽、客户端复杂度、乱序容错上的差异并给出选型依据。
核心关键词流式协议快照与增量 delta 对比 - 0725
移动端网络切换（Wi-Fi 切蜂窝）导致流式连接中断时，如何检测并优雅恢复？
围绕“移动端网络切换（Wi-Fi 切蜂窝）导致流式连接中断时，如何检测并优雅恢复”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 TCP 僵死连接的发现手段（心跳/超时）与页面可见性联动。
核心关键词移动端网络切换导致流式中断恢复 - 0726
发送消息后乐观渲染用户气泡与等待流式响应之间的状态如何建模？
围绕“发送消息后乐观渲染用户气泡与等待流式响应之间的状态如何建模”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出 pending/streaming/done/error 状态模型及各状态允许的操作。
核心关键词聊天状态机乐观更新与流式消息 - 0727
用户在同一会话开多个标签页时，如何避免两个流式连接互相覆盖消息状态？
围绕“用户在同一会话开多个标签页时，如何避免两个流式连接互相覆盖消息状态”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明会话所有权或 BroadcastChannel 同步等方案的取舍。
核心关键词多标签页流式会话状态冲突解决 - 0728
模型以流式输出 JSON 时，如何在只收到不完整 JSON 的情况下做增量解析？
围绕“模型以流式输出 JSON 时，如何在只收到不完整 JSON 的情况下做增量解析”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须对比容错解析器（如 partial-json）、逐 token 状态机与「缓冲到完整再解析」三种策略的取舍。
核心关键词流式输出不完整 JSON 的增量解析方法 - 0729
React 中流式输出每个 token 都 setState 会导致什么性能问题，如何优化渲染频率？
围绕“React 中流式输出每个 token 都 setState 会导致什么性能问题，如何优化渲染频率”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明按 token 渲染的开销及按时间片/字符数批量 flush 的方案。
核心关键词React 流式渲染频繁 setState 性能优化 - 0730
对失败的流式生成请求做自动重试时，如何避免用户被重复计费或产生重复副作用？
围绕“对失败的流式生成请求做自动重试时，如何避免用户被重复计费或产生重复副作用”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须讨论幂等键、客户端去重标记与仅对连接阶段失败重试的策略。
核心关键词流式请求重试如何避免重复扣费 - 0731
Node.js 服务端如何感知客户端中断 SSE 连接并及时停止 LLM 生成以节省 token 成本？
围绕“Node.js 服务端如何感知客户端中断 SSE 连接并及时停止 LLM 生成以节省 token 成本”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明监听连接关闭事件并向上游转发取消信号的链路。
核心关键词Node.js 检测 SSE 客户端断连 - 0732
Service Worker 拦截流式响应时为什么容易把流缓冲成整包，如何透传？
围绕“Service Worker 拦截流式响应时为什么容易把流缓冲成整包，如何透传”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明不要在 SW 中 await 完整 body 而直接转发 Response 的原因。
核心关键词Service Worker 透传流式响应 - 0733
SSE 协议中 data:、event:、id:、retry: 各字段分别起什么作用？
围绕“SSE 协议中 data:、event:、id:、retry: 各字段分别起什么作用”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须讲清各字段的语法规则和客户端解析行为。
核心关键词SSE 消息字段 data: event: id: retry: 作用详解 - 0734
SSE 断线重连时如何利用 Last-Event-ID 实现断点续传？
围绕“SSE 断线重连时如何利用 Last-Event-ID 实现断点续传”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 id 字段、客户端自动携带机制与服务端需要配合做的事。
核心关键词SSE 重连使用 Last-Event-ID 断点续传 - 0735
在 AI 聊天场景中，Server-Sent Events 和 WebSocket 该如何选型？
本文对比 AI 流式对话中 SSE 与 WebSocket 的选型依据。核心结论：SSE 面向单向文本推送，浏览器 EventSource 可自动重连，HTTP 兼容性好；WebSocket 仅在需要双向实时交互时才必要。给出具体场景、失败边界与判断条件。
核心关键词SSE 与 WebSocket 在 AI 流式对话中的选型对比 - 0736
流式响应的 stop_reason 为 max_tokens 时前端应如何提示与处理？
围绕“流式响应的 stop_reason 为 max_tokens 时前端应如何提示与处理”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明区分自然结束与截断的意义及「继续生成」交互设计。
核心关键词stop_reason 为 max_tokens 时处理方式 - 0737
如何在 Anthropic 流式响应中获取本次生成的 usage token 统计，它与非流式有何差异？
围绕“如何在 Anthropic 流式响应中获取本次生成的 usage token 统计，它与非流式有何差异”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 token 统计出现在哪个事件以及为何不能像非流式那样一次拿到。
核心关键词Anthropic 流式 usage token 统计获取 - 0738
Hugging Face Transformers 的 TextStreamer/自定义 StoppingCriteria 如何实现逐 token 流式输出？
围绕“Hugging Face Transformers 的 TextStreamer/自定义 StoppingCrite”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 streamer 回调在 generate 过程中的触发时机与如何接入 Web 后端。
核心关键词Transformers TextStreamer 流式生成回调 - 0739
Vercel AI SDK 的 useChat 是如何抽象流式状态与错误恢复的？
围绕“Vercel AI SDK 的 useChat 是如何抽象流式状态与错误恢复的”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明其数据协议、自动状态更新与 onError/reload 机制。
核心关键词Vercel AI SDK useChat 流式状态管理 - 0740
在持续学习多个任务时，为何模型会遗忘旧任务知识？请从参数更新机制解释根本原因。
本题解释灾难性遗忘源于梯度下降对共享权重的覆盖：新任务更新会改变旧任务关键参数的取值，且无独立备份。通过参数更新机制与示例场景说明遗忘为何发生，并指出与回放等缓解策略无关。
核心关键词灾难性遗忘 持续学习 参数更新 旧任务遗忘 - 0741
在持续接收新数据的情况下，如何设计微调策略以避免灾难性遗忘？
围绕“在持续接收新数据的情况下，如何设计微调策略以避免灾难性遗忘”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明定期回放旧数据或使用缓冲池。
核心关键词持续微调 新数据 灾难性遗忘 防止策略 - 0742
针对仅有 1000 条语料的低资源语言，如何通过数据增强提升微调鲁棒性？
围绕“针对仅有 1000 条语料的低资源语言，如何通过数据增强提升微调鲁棒性”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确回译、同义替换、噪声注入等策略的应用逻辑。
核心关键词低资源语言 数据增强 微调 鲁棒性提升 - 0743
在标签严重不平衡的数据集中，如何通过采样策略改进微调效果？请说明具体实现方式。
本文解释微调中标签不平衡的采样策略，包括过采样、欠采样与加权损失的设计逻辑，并通过具体场景与边界分析提供可操作判断。
核心关键词训练数据 标签不平衡 采样策略 改进方法 - 0744
在微调过程中，若验证损失不再下降但训练损失继续降低，应如何做出停止决策？
围绕“在微调过程中，若验证损失不再下降但训练损失继续降低，应如何做出停止决策”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明以验证集表现为准的停止条件。
核心关键词早停 验证损失不降 训练损失下降 决策逻辑 - 0745
在边缘设备部署前，如何通过模拟真实硬件环境评估微调模型的性能？
围绕“在边缘设备部署前，如何通过模拟真实硬件环境评估微调模型的性能”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明在目标设备或相近规格的仿真器上运行推理测试。
核心关键词边缘设备 部署前 模拟硬件 评估性能 - 0746
为何评估集需包含多样化的输入分布？请举例说明其对模型泛化能力评估的影响。
本题说明评估集分布偏差如何造成模型性能误判，并以客服意图识别为例展示分层采样与对抗样本的作用，同时指出过度多样化的边界。
核心关键词评估集 多样性 输入分布 泛化能力 评估有效性 - 0747
针对长文本生成任务，如何构建有效的评估集以衡量模型的上下文保持能力？
围绕“针对长文本生成任务，如何构建有效的评估集以衡量模型的上下文保持能力”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明包含多段落、长依赖关系的测试样例。
核心关键词长文本生成 评估集 上下文保持能力 构建方法 - 0748
在低延迟场景下，为何选择微调而非检索增强生成？请从推理开销和上下文长度约束角度分析。
围绕“在低延迟场景下，为何选择微调而非检索增强生成？请从推理开销和上下文长度约束角度分析”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖判断时要说明微调在固定上下文长度下的确定性响应优势。
核心关键词微调与检索取舍 推理延迟 上下文长度 低延迟系统 - 0749
将通用大模型用于医疗文本生成时，为何仅用少量领域数据微调仍可能导致输出不专业？
围绕“将通用大模型用于医疗文本生成时，为何仅用少量领域数据微调仍可能导致输出不专业”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须指出领域数据不足导致语义空间未充分覆盖专业术语。
核心关键词微调 领域偏移 医疗文本 专业性 输出偏差 - 0750
在微调中如何通过数据筛选和损失函数设计减少模型输出中的性别偏见？
围绕“在微调中如何通过数据筛选和损失函数设计减少模型输出中的性别偏见”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明使用中性语料并加入偏见惩罚项。
核心关键词微调 减少性别偏见 数据筛选 损失函数设计