求职面试

LLM 应用开发面试 100 题全解析，涵盖 RAG 专题（分块策略/评估体系/多路召回）、Agent 编排（LangGraph/工具调用）、模型部署（vLLM/量化推理）、微调技术（LoRA/QLoRA）等核心领域，由浅入深，每题附标准回答与实战经验。

LLM 应用开发面试第二场，三阶段递进考察：基础知识（Self-Attention/QKV/Temperature采样/语义歧义检索）、工程实战（AI客服Agent架构/百万QPS缓存策略/P99延迟优化）、开放场景（数据泄露排查/答案一致性调试），每题附深度参考答案。

LlamaIndex 面试八股文 100 题全解析，面向大厂 AI/RAG 工程师岗位，覆盖基础概念、数据加载、索引构建、检索策略、查询引擎、Agent 工具化、评估优化、生产部署等核心模块，含 Python 代码示例与速记清单。

LLM 应用开发面试题 & 参考答案 面试官：严察 日期：2026-06-02 面试阶段：基础知识 → 工程实战 → 开放场景 目录 阶段一：基础知识与核心概念

LangChain 与 LangGraph 大厂高频面试题库 100 题，覆盖 LangChain 核心架构、LCEL 表达式、RAG 管线、Agent 决策、Memory 管理、LangGraph 状态图编排、生产部署与性能优化等全考点，面向大模型应用开发岗面试冲刺。

Chroma 向量库面试突击专用指南，30+ 高频面试题全覆盖，含面试前 30 分钟速记清单、核心概念（Collection/WAL/HNSW）、基本 API 操作、高级功能、架构原理与性能优化、必踩坑点、项目场景题与向量库选型对比。