AI 编码 Agent 面对大型仓库时，如何设计上下文检索策略而不是把整个仓库塞进提示词？
本文解释编码 Agent 在大型仓库中基于任务相关性分层检索上下文的策略，包括符号索引、调用图、近期变更三层，并通过具体场景说明实现决策和失败边界。
核心关键词编码 Agent 大仓库上下文检索策略
面试知识索引 · 分类、标签与搜索
Prompt专题面试题，56 道完整答案
Prompt专题面试题第 1 页，显示第 1–50 题，共找到 56 道完整解析，可继续按分类、标签与关键词缩小范围。
56筛选结果
52技术分类
178检索标签
2索引分页
快速定位
清除全部筛选分类、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
网络协议111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66LangGraph59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 1 页
本页面试问题
按稳定语义路径排序
- 0001
- 0002
如何验证 LLM 裁判与人工评审的一致性
围绕“如何验证 LLM 裁判与人工评审的一致性”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出抽样人工标注、计算一致率或相关系数、迭代裁判提示词的流程。
核心关键词LLM 裁判 人工一致性 校准 - 0003
用 LLM 作为裁判评估 Agent 输出的基本做法与前提条件
围绕“用 LLM 作为裁判评估 Agent 输出的基本做法与前提条件”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明裁判提示词应包含明确判据、输入输出与评分格式，以及先用人工标注验证裁判一致性的前提。
核心关键词LLM as judge Agent 评估 前提 - 0004
修改 Agent 的系统提示词后应跑哪些回归评估
围绕“修改 Agent 的系统提示词后应跑哪些回归评估”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全量回归集与针对修改点的定向用例各自的角色，以及通过率外的指标（成本、延迟）也要对照。
核心关键词Agent 提示词修改 回归评估 范围 - 0005
Prompt Chaining 工作流适合什么类型的任务，何时不该用？
本题剖析 Prompt Chaining 的适用边界：任务需拆成固定子步骤且每步可程序化校验。结合示例与失效条件，说明如何判断用链式还是更开放的 Agent。
核心关键词prompt chaining 工作流 适用场景 - 0006
MCP 的 completion/complete 接口为提示参数与资源模板变量提供自动补全，返回结构如何设计？
围绕“MCP 的 completion/complete 接口为提示参数与资源模板变量提供自动补全，返回结构如何设计”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 ref 类型区分 prompt 与 resource template 的参数引用方式。
核心关键词MCP completion complete 自动补全 - 0007
MCP 提示消息中嵌入的 EmbeddedResource 与 ImageContent 等块类型如何在上下文中呈现？
围绕“MCP 提示消息中嵌入的 EmbeddedResource 与 ImageContent 等块类型如何在上下文中呈现”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确资源内容内联进提示的序列化方式。
核心关键词MCP EmbeddedResource prompt 内容块 - 0008
MCP 中 Prompt（提示模板）由用户驱动的设计意图是什么，与工具、资源的触发主体差异在哪？
围绕“MCP 中 Prompt（提示模板）由用户驱动的设计意图是什么，与工具、资源的触发主体差异在哪”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确三类原语由 user/model/application 分别控制的分工。
核心关键词MCP prompts 提示模板 用户驱动 - 0009
MCP 客户端通过 prompts/get 获取提示时，arguments 如何被服务端填充进消息序列？
围绕“MCP 客户端通过 prompts/get 获取提示时，arguments 如何被服务端填充进消息序列”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确返回的是多轮消息数组而非纯字符串的语义。
核心关键词MCP prompts get arguments 消息 - 0010
MCP 服务端 capabilities 中 listChanged 和 subscribe 有什么区别？
逐项解释 tools、resources、prompts、logging 的能力声明，区分目录变化和单个资源更新，并用文件索引场景说明发现、缓存失效和订阅的关系。
核心关键词MCP 服务端 capabilities listChanged subscribe 区别 - 0011
检索到的记忆应放在系统提示、对话历史开头还是紧贴最新用户消息，位置对效果有何影响？
围绕“检索到的记忆应放在系统提示、对话历史开头还是紧贴最新用户消息，位置对效果有何影响”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须分析位置对模型注意力利用与被覆盖风险的影响。
核心关键词Agent 记忆注入 位置 prompt 召回 - 0012
给 Agent 的提示词分配 token 预算时，系统提示、记忆、工具结果、对话历史应如何排优先级？
围绕“给 Agent 的提示词分配 token 预算时，系统提示、记忆、工具结果、对话历史应如何排优先级”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出各部分裁剪顺序及被裁时的降级行为。
核心关键词Agent prompt token 预算 分配 优先级 - 0013
为什么多 Agent 系统里每个 Agent 的 system prompt 应该独立优化，而不是共享一份通用提示词？
围绕“为什么多 Agent 系统里每个 Agent 的 system prompt 应该独立优化，而不是共享一份通用提示词”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖回答角色提示词专属化与交接接口标准化的关系。
核心关键词多 Agent system prompt 独立优化 - 0014
Agent 的提示词和工具参数里含用户敏感信息时，日志与 trace 记录应做哪些处理？
围绕“Agent 的提示词和工具参数里含用户敏感信息时，日志与 trace 记录应做哪些处理”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确脱敏、采样与保留周期的取舍。
核心关键词Agent 日志 trace 敏感信息脱敏 - 0015
新模型版本灰度上线后 Agent 成功率下降，回滚时除了切回模型还要处理哪些残留状态？
围绕“新模型版本灰度上线后 Agent 成功率下降，回滚时除了切回模型还要处理哪些残留状态”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖完整回答要覆盖在途任务、缓存提示词与检查点兼容三类残留。
核心关键词Agent 模型 灰度 回滚 - 0016
提示词改动导致 Agent 行为回退时，什么情况下应该向前修复而不是直接回滚到旧版本？
围绕“提示词改动导致 Agent 行为回退时，什么情况下应该向前修复而不是直接回滚到旧版本”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出基于影响面与数据兼容的判断标准。
核心关键词Agent 提示词 回滚 前修 - 0017
如何防止 Agent 在回复中泄露系统提示词、内部工具名或其他用户数据？
围绕“如何防止 Agent 在回复中泄露系统提示词、内部工具名或其他用户数据”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确输出侧过滤与最小化上下文内敏感信息两道防线。
核心关键词防止 LLM 输出泄露系统提示词 - 0018
AI Agent 执行生成代码时为什么需要沙箱，仅靠代码审查提示词为何不够？
围绕“AI Agent 执行生成代码时为什么需要沙箱，仅靠代码审查提示词为何不够”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确生成代码不可预测、需进程级隔离的理由。
核心关键词Agent 代码执行为何需要沙箱 - 0019
为什么不应把 API 密钥、数据库密码直接写入 Agent 的提示词或上下文？
围绕“为什么不应把 API 密钥、数据库密码直接写入 Agent 的提示词或上下文”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型输出与日志导致密钥外泄的路径及注入式凭据代理的替代方案。
核心关键词密钥不应写入提示词的原因 - 0020
仅靠系统提示词中的安全指令能否可靠阻止注入攻击？
本题解析系统提示词安全指令为何属于软约束，通过具体场景说明注入如何绕过，并给出判断可靠性的边界与组合防护方法。
核心关键词系统提示词安全指令可靠性 - 0021
模型频繁误读工具返回结果时，应该从结果结构还是提示词哪一端排查？
围绕“模型频繁误读工具返回结果时，应该从结果结构还是提示词哪一端排查”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出先看结果字段歧义、再看任务提示的诊断顺序。
核心关键词工具结果 模型误读 排查 - 0022
在 Agent 设计中，什么能力应该做成工具调用而不是写进系统提示词？
本题给出 Agent 设计中工具与系统提示词的划分标准：外部数据与真实副作用走工具，行为与格式约束走提示词，并结合订单退款场景说明误用的失败边界。
核心关键词Agent 工具设计 工具调用 系统提示词 边界 - 0023
Anthropic 的 prompt chaining 工作流在 LangGraph 中如何建模，中间 gate 检查应该放在节点内还是边上？
围绕“Anthropic 的 prompt chaining 工作流在 LangGraph 中如何建模，中间 gate 检”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖要求判断质量门控放条件边还是独立节点的结构取舍。
核心关键词prompt chaining LangGraph gate 检查 - 0024
Anthropic 所说的 router 工作流与固定链式工作流区别是什么，适合什么类型的 Agent 任务？
本文辨析Anthropic的router与prompt chaining两种工作流：机制差异、适用场景、工程边界，并给出客服工单分流示例，说明何时该用固定链式或路由。
核心关键词Anthropic router workflow 路由工作流 - 0025
为什么公开开发集之外还要保留隐藏测试集来评估 prompt 或模型版本？
围绕“为什么公开开发集之外还要保留隐藏测试集来评估 prompt 或模型版本”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要解释反复看同一套样例导致的评测过拟合，并给出可见/隐藏集合的更新纪律。
核心关键词金标集 隐藏测试集 过拟合防护 prompt迭代 - 0026
同一语义指令改写成不同 prompt 后输出波动很大，离线评测应怎样量化鲁棒性？
围绕“同一语义指令改写成不同 prompt 后输出波动很大，离线评测应怎样量化鲁棒性”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖回答需要围绕必须用语义保持改写集报告均值、最差组和方差，而不是只报单 prompt 分数。
核心关键词prompt敏感性 扰动鲁棒性 语义保持改写 评测 - 0027
什么是大模型的上下文窗口，它如何限制一次请求能处理的内容？
回答重点：上下文窗口同时约束输入与输出 token 总额，超过会产生 400 错误或停止生成；通过具体多轮对话场景说明历史、提示词和输出如何竞争有限空间，并解释溢出与精度衰减的边界。
核心关键词LLM context window 上下文窗口 限制 - 0028
为什么大模型在长上下文中间位置的信息容易被忽略（lost in the middle）？
本文解释lost in the middle现象的机制，即位置偏置导致中间信息召回下降，并通过一个RAG场景展示对策：将关键证据前置或后置，同时给出边界如超长多跳和指令冲突时的局限。
核心关键词长上下文 中间信息丢失 lost in the middle - 0029
提示词越长效果越好吗，长提示的成本与收益如何权衡？
围绕“提示词越长效果越好吗，长提示的成本与收益如何权衡”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明冗余提示的边际收益递减与 token 成本累积，给出精简准则。
核心关键词提示词长度 成本与收益 权衡 - 0030
在提示词层面有哪些被验证有效的降低幻觉的手段？
围绕“在提示词层面有哪些被验证有效的降低幻觉的手段”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明提供依据材料、允许回答不知道、要求引用原文等技巧及其原理。
核心关键词减少幻觉 提示词 引用资料 允许拒答 - 0031
上线 prompt caching 后应监控哪些指标来确认缓存真的在省钱，命中率下降如何归因？
围绕“上线 prompt caching 后应监控哪些指标来确认缓存真的在省钱，命中率下降如何归因”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出缓存成本收益监控口径与命中率下降的归因路径。
核心关键词prompt cache hit rate monitoring attribution - 0032
多请求共享系统提示词时，前缀 KV cache 复用为什么要求前缀严格一致，改动一个 token 会怎样？
围绕“多请求共享系统提示词时，前缀 KV cache 复用为什么要求前缀严格一致，改动一个 token 会怎样”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前缀一致性的边界条件及复用收益。
核心关键词prefix KV cache reuse exact match - 0033
压缩提示词降低输入成本时，哪些压缩手段对输出质量影响最小、如何验证？
围绕“压缩提示词降低输入成本时，哪些压缩手段对输出质量影响最小、如何验证”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须比较静态精简、动态裁剪与摘要注入的质量代价及回归验证方法。
核心关键词提示词压缩对质量影响最小的方法 - 0034
线上如何做提示词版本的 A/B 对比并保证结论可信？
围绕“线上如何做提示词版本的 A/B 对比并保证结论可信”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确分流一致性、指标定义与样本量问题。
核心关键词提示词 A/B 测试 版本对比 线上评估 - 0035
何时应该在提示词中要求模型逐步推理（chain-of-thought）？
围绕“何时应该在提示词中要求模型逐步推理（chain-of-thought）”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出适用与不适用的任务类型判断。
核心关键词chain of thought 适用场景 推理需求 - 0036
设计分类任务的提示词时，标签集合应如何呈现以减少误判？
围绕“设计分类任务的提示词时，标签集合应如何呈现以减少误判”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确标签互斥性说明与示例覆盖边界类别的要求。
核心关键词分类任务 标签设计 输出一致性 - 0037
为什么提示词中明确直接的指令比委婉暗示更有效？
本文解释清晰指令为何提升模型遵循度：明确指令缩小意图空间、降低歧义，而暗示放大误解风险。通过场景比较委婉与直接表述的差异，指出适用范围与失效条件，给出可量化操作标准。
核心关键词提示词工程 明确指令 直接表述 - 0038
模型输出不符合预期时，如何系统性地定位是提示词问题还是模型能力问题？
围绕“模型输出不符合预期时，如何系统性地定位是提示词问题还是模型能力问题”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖必须给出分离变量（指令、示例、上下文、采样参数）的诊断顺序。
核心关键词提示词调试 失败模式 定位方法 - 0039
为提示词优化设计评估集时，样例应如何选取？
围绕“为提示词优化设计评估集时，样例应如何选取”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确覆盖典型、边界与对抗样例的比例原则。
核心关键词提示词 评估集 设计 样例选取 - 0040
当系统提示词与用户指令冲突时，模型应遵循哪一层级？
这道题考察系统提示词与用户指令冲突时的优先级。正确结论是系统提示词通常优先，因为它是开发者设定的安全边界，但并非绝对安全。答案解释机制、一个客服场景的决策过程，以及容易失效的边界情况，并给出设计系统提示的建议。
核心关键词系统提示 用户指令 冲突 优先级 - 0041
在长上下文提示中，为什么建议把文档放在查询之前？
本文解释在长上下文提示中为何建议将文档置于查询之前：分析注意力分布与查询位置的影响，给出工程场景与边界条件，并指出何时可例外以及相关成本。
核心关键词长上下文 文档位置 查询顺序 - 0042
切换 Claude 模型版本时，提示词需要做哪些兼容性检查？
围绕“切换 Claude 模型版本时，提示词需要做哪些兼容性检查”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确行为差异回归评估与参数默认值变化检查清单。
核心关键词Claude 模型版本迁移 提示词 兼容性 - 0043
多份文档内容互相矛盾时，提示词应如何指导模型处理？
围绕“多份文档内容互相矛盾时，提示词应如何指导模型处理”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确冲突显式声明与来源优先级指令的设计。
核心关键词多文档 冲突 提示词 矛盾处理 - 0044
多语言场景下提示词语言与输入语言不一致时会出现什么问题？
围绕“多语言场景下提示词语言与输入语言不一致时会出现什么问题”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要明确指令语言对输出语言的影响及显式指定输出语言的做法。
核心关键词多语言 提示词 语言一致性 - 0045
如何可靠地控制模型输出的长度？
围绕“如何可靠地控制模型输出的长度”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 max_tokens 硬限制与提示词指令软约束的适用场景。
核心关键词提示词 输出长度控制 max_tokens - 0046
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 - 0047
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 - 0048
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 - 0049
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 - 0050
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