外观
AI 知识专项面试题库索引
目录
1. 范围与事实纪律
本专项题库把 docs/README.md 已登记的 52 个正式知识主题和项目案例视为 52 个知识单元，按 9 类管理；分册主题仍只对应一份专项题。16 周计划、综合冲刺题库、模板和索引属于训练工具，不为它们重复建题。
每个知识单元固定配置 7 道一问一答，共 182 道题，按以下链路逐步深入：
图：专项题库从概念到项目复盘的七层训练路线
替代文本： 训练从 L1 概念开始，依次经过 L2 边界、L3 原理、L4 实现、L5 工程、L6 架构，最后进入 L7 项目复盘。
图表加载中…
读图结论： 题库先验证能否解释概念，再逐级验证实现、生产排障与架构能力，最后只用可定位的项目证据完成复盘。
阅读图例｜
L1～L2概念与边界 ·L3～L4原理与实现 ·L5工程 ·L6架构 ·L7项目复盘答案层级｜ 必答结论 · 小白解释 · 加分项 · 高频误区 · 下一问
统一事实纪律：
- 正式主题文档是单一事实源，专项题文件只做面试化重组；
- 高级技术应聘者先给 1～3 句专业短答，再给小白可懂的生活化解释；
- 不知道就明确说不知道，不能用模糊措辞伪装确定；
- 仓库没有代码、运行记录或实测数据时，只能说“无法从当前仓库确认”，不能把设计草案包装成真实项目；
- 涉及动态 API、模型能力、版本、价格或限制时，必须重新核对官方资料，不沿用可能过期的记忆。
- 正式主题中的
TP-*技术清单、横向对比、架构图和技术调用流程图是选型单一事实源；L4 必须讲清框架/库/组件职责与替换边界，L6 必须讲清候选优缺点、适用/不适用场景、选择依据和切换条件，专项题不复制整套表格。 - L5 工程题至少覆盖一个生产失败模式、可观测信号和排障顺序；L7 项目复盘题讲清技术难点、可验证亮点、故障或风险、验证证据和经验迁移。
2. 分类与覆盖索引
3. 推荐训练顺序
- 基础：先建立概念地图、实验边界和优化直觉；
- 机器学习与深度学习：理解评测、前向、反向和训练稳定性；
- LLM：从 Token、Attention 走到训练、推理和输出控制；
- RAG：从基础链路走到召回优化、评测和生产治理；
- Agent：先理解循环、状态和工具，再进入 LangChain、LangGraph、MCP、Memory 与评测；
- AI 工程：训练异步服务、网关、工作流、安全、可观测、部署、容量与成本；
- 系统设计：把质量、延迟、成本、可用性与版本治理串起来；
RAG 四个专题建议按连续压力面试训练：基础链路 L5 先定位“空召回/答错”发生在哪一层；检索优化 L1～L5 继续比较关键词与语义检索、Recall/Precision、k_recall/k_rerank/k_context 和重排边界；评测与生产工程 L5 要求完成止损、版本固定、Trace 重放、灰度验证和防复发；Milvus L3～L6 再把检索原理落到 Segment、Consistency、Schema、索引、Load、组件排障和受控调优。回答必须落到 Chunk、候选、版本、过滤、final_context 与组件指标，不能只说“调 Top-k、ef、nprobe、换模型或 flush”。 8. 项目复盘：只基于可定位证据表达设计、实现、故障和结果。
跨主题训练时，先回答上游主题的 L1～L4，再进入下游主题。例如先解释 Embedding 与 Attention，才能可靠回答 RAG 检索和 LLM 推理问题。
4. 一问一答使用方法
- 只看问题：先遮住答案，在 30 秒内直接给出结论；
- 核对必答：检查定义、机制和关键边界是否完整；
- 建立直觉：再用生活化语言解释，确认自己不是只会背术语；
- 深入实现与架构：L4 对照主文档的
TP-*清单说明技术栈和组件职责；L6 对照横向对比、架构图与技术调用流程图说明选型和切换条件； - 深入工程：工程题用“现象 → 证据 → 根因 → 止损 → 修复 → 验证 → 防复发”口述；
- 守住事实：项目题只说有证据的内容，没有实现或实测时直接说明；
- 评分复盘：按准确性、原理深度、工程意识、项目表达、沟通结构五个维度各打 0～5 分；前一题未达合格线时，回到正式主题补课。
5. 维护与验收
新增或调整正式主题时，同时检查：
- [ ] 正式主题与专项题是否保持一对一；
- [ ] 新建、分册、重命名或删除主题时，是否同步维护
../../../scripts/knowledge_topic_manifest.json，且删除已获得用户明确授权； - [ ] 每个专项题文件是否至少 6 题，本库默认 7 题；
- [ ] 每题是否都有面试官问题、专业短答、生活化解释和下一题承接；
- [ ] 是否包含考察点、合格答案要点、优秀答案加分项和常见错误；
- [ ] L4 是否引用主文档技术清单讲清框架、库、服务或组件的链路职责和替换边界；L6 是否基于横向对比与双图讲清优缺点、使用场景、选择依据和切换条件；
- [ ] L5 是否覆盖生产失败模式、可观测信号和排障顺序，L7 是否包含难点、可验证亮点与经验迁移；
- [ ] 未知、动态事实和项目证据是否明确止步；
- [ ] 相对链接、元信息、分类、题数和状态是否与本索引一致；
- [ ] 每个 Markdown 是否不超过 1000 行；分册是否仍独立具备元信息、目录、主题图和总结？
- [ ] 是否使用统一的阅读图例、核心考察点、必答结论、高频误区和下一问标签；
- [ ] 是否没有使用 Emoji 标签或装饰，并在去除颜色后仍能依靠文字层级读懂；
- [ ] 除通用 L1～L7 路线图外，是否另有主题专属机制图、边界图、诊断树、状态图或架构图，并具备图题、替代文本、读图结论、正文解释和准确的节点方向；
- [ ] 最后一节是否为“总结”，并包含一句话记忆和 3～5 个关键点。
6. 总结
一句话记忆： 52 个正式主题各用 7 道 L1～L7 的双角色一问一答，形成从会解释到能复盘的 364 题训练闭环。
- 题库按 9 类管理，并与正式主题保持一对一；新增主题时同步更新专项题、专项索引和知识库总索引；
- 每题先专业短答，再用生活化语言解释；
- 后一题必须承接前一题，L5 和 L7 还要检验生产排障与经验迁移；
- 通用 L1～L7 图只说明训练顺序，每份专项题还必须用主题专属图帮助理解真实知识机制；
- 正式主题是单一事实源，未知和无证据内容必须明确止步；