🏆 AI Agent & RAG 综合面试题库：21 道大厂高频真题速查与通关解析

随着大模型应用落地，AI Agent 和 RAG 已经成为算法工程师和后端开发面试的“必考核心”。

这篇博客为你汇总了 21 道最高频、最核心的面试真题，涵盖了从 RAG 基础、进阶检索、Agent 框架到底层工程优化的方方面面。为了对入门者友好，每道题都配有标准答案和大白话解析，最后还附带了一段大厂面试极爱考的综合架构白板代码！

建议直接收藏，面试前一天反复背诵！

---

📚 第一部分：RAG 基础与架构篇 (Q1 - Q6)

Q1：什么是 RAG？请用一句话解释。

标准答案：RAG（检索增强生成）是指在让大语言模型生成答案前，先从外部知识库检索相关证据，并将证据作为上下文一并输入给模型，从而约束输出依据、减少幻觉的范式。
💡 大白话：给大模型一场“开卷考试”，遇到不会的先去翻书找证据，再根据证据作答。

Q2：RAG 和 微调（Fine-tuning）在业务落地上该怎么选？

标准答案：需要注入“实时变化的外部事实知识”时选 RAG（成本低、更新快）；需要改变模型的“说话语气、输出格式、特定指令遵循”时选微调。在真实工业界，通常是“RAG 提供事实 + 微调规范格式”两者结合。

Q3：现在大模型都支持 100万 Token 的长上下文了，RAG 还会被淘汰吗？

标准答案：不会。长上下文模型存在三大硬伤：1. 成本极高（每次提问都要为几百页文档的 Token 付费）；2. 延迟极大（TTFT首字响应时间可能长达几十秒）；3. 注意力迷失（中间遗忘现象，Lost in the middle）。RAG 在成本控制、低延迟和精准度上仍是不可替代的。

Q4：为什么文档分块（Chunking）不能切得太大，也不能切得太碎？

标准答案：切得太碎（如 50 个字），会导致语义断裂，检索到的片段缺少主语或前置条件；切得太大（如 3000 个字），会混入大量无关噪声，模糊向量特征，且浪费大模型 Token。

Q5：业界常用的父子文档分块（Parent-Child Chunking）是为了解决什么问题？

标准答案：解决“检索精度”与“生成上下文完整性”的矛盾。用小块（子文档）去做向量化和检索，命中后，顺藤摸瓜提取出包含它的大块（父文档）喂给大模型。

Q6：向量数据库和传统关系型数据库（如 MySQL）的本质区别是什么？

标准答案：传统数据库基于“字面的精确匹配（B+树索引等）”；向量数据库基于“高维向量空间的相似度计算（ANN 近似最近邻算法）”，专门用于模糊查询和语义匹配。

---

🔍 第二部分：RAG 进阶与检索策略篇 (Q7 - Q11)

Q7：纯向量检索有什么致命缺点？怎么解决？

标准答案：纯向量检索擅长“懂意思”，但不擅长“精确匹配”，对专有名词、型号、商品编号极容易漏召回。
解决方案：引入 BM25 算法进行关键词匹配，采用混合检索（Hybrid Search）。

Q8：在多路召回（混合检索）中，RRF（倒数排名融合）有什么优势？

标准答案：向量打分（如余弦相似度 0.8）和 BM25 打分（如 35.5）量纲完全不同，无法直接相加。RRF 只看排名不看分数，通过倒数公式把各路排名融合，鲁棒性极高且无需繁琐调参。

Q9：什么是 HyDE（假设文档嵌入）策略？

标准答案：面对用户口语化的简短提问，先让大模型“裸考”生成一个假想答案。虽然假想答案可能有事实错误，但它的句式和词汇更接近真实文档。拿着假想答案去向量库检索，能极大拉近语义距离。

Q10：在 RAG 流程中，为什么一定要加重排序（Reranking）？

标准答案：基础的双塔向量检索（Bi-Encoder）速度快但精度低（Query 和 Doc 没做特征交互）。重排序使用交叉编码器（Cross-Encoder），将 Query 和 Doc 拼接在一起深度打分，能将召回的粗糙候选集精准排序，大幅提升最终 Top-3 的准确度。

Q11：遇到表格和图片，RAG 该怎么处理？

标准答案：

• 表格：尽量保留为 Markdown/HTML 格式防止行列关系碎裂；或者把表格单独存入结构化数据库（Text-to-SQL）。
• 图片：使用多模态大模型（VLM）进行看图说话，生成图像描述（Caption）后再存入向量库。

---

🤖 第三部分：AI Agent 核心框架篇 (Q12 - Q16)

Q12：Agent 和传统的代码脚本有什么区别？

标准答案：传统脚本是由人类写好 if-else 的静态控制流；而 Agent 的核心控制流（下一步该调用什么工具、怎么处理结果）是交由大模型实时推理决策的。

Q13：请简述 ReAct 框架的核心执行流。

标准答案：Thought (思考) $\to$ Action (行动) $\to$ Observation (观察)。模型先分析当前状况，决定调用外部工具，工具返回真实结果，模型基于真实结果再进行下一轮思考，直到得出最终答案。

Q14：LangChain 的 AgentExecutor 为什么要设置最大迭代次数（max_iterations）？

标准答案：大模型有时会陷入“死胡同”，不断地使用错误的参数重复调用同一个工具，导致无限死循环。设置最大迭代次数是防止 API Token 费用爆表和系统宕机的最后一道物理防线。

Q15：Plan-and-Execute 框架比 ReAct 好在哪里？

标准答案：ReAct 是“走一步看一步”的贪心策略，遇到复杂长链条任务容易中途迷失。Plan-and-Execute 强制要求模型先画出全局多步任务蓝图，再挨个执行，适合耗时较长的复杂工作流（如撰写深度研报）。

Q16：在配置 Agent 工具时，为什么说“工具的描述（Description）就是接口”？

标准答案：因为大模型完全是通过阅读这段自然语言描述，来判断“我该不该用这个工具”以及“这个参数该传什么”的。描述写得越清晰、包含的 Few-shot 示例越多，Agent 调用的成功率就越高。

---

🛠️ 第四部分：生产环境与工程优化篇 (Q17 - Q21)

Q17：真实业务中 RAG 的延迟（首字响应时间）太高，怎么优化？

标准答案：

1. 开启 Streaming 流式输出，先返回参考文献安抚用户。
2. 引入 语义缓存（Semantic Cache），极度相似的历史问题直接返回，耗时降至毫秒级。
3. 精简传给大模型的 Prompt 长度，删减冗余的上下文块。

Q18：如何评估你的 RAG 系统准不准？（如何做无参考评估）

标准答案：使用 LLM-as-a-Judge（大模型作为裁判），围绕 RAG 三元组 打分：

1. 检索相关性（捞出来的资料对不对）。
2. 忠实度（大模型有没有脱离资料胡编乱造，防幻觉）。
3. 回答相关性（最终答案有没有切中用户的核心诉求）。

Q19：业务知识库每天都在变，如何保证 RAG 数据的实时性？

标准答案：放弃全量更新，走事件驱动的异步流。业务端一有修改，立刻触发 Webhook，只对那篇被修改的文档进行重新解析和切块，并利用 doc_id 对向量数据库执行 UPSERT（更新插入）或软删除。

Q20：LangGraph 相比于 LangChain 解决的业务痛点是什么？

标准答案：LangChain 的 Agent 控制流是相对黑盒的循环。LangGraph 引入了**状态机（State Machine）**和图编排的概念，让我们可以显式地定义节点、条件路由（Conditional Edge）、加入人工审核（Human-in-the-loop）以及设计复杂的失败重试环路，更适合企业级复杂 SOP 流水线。

Q21：多 Agent 系统（Multi-Agent，如 AutoGen/CrewAI）一定会比单 Agent 好吗？

标准答案：不一定。多 Agent 会带来极高的 Token 交互成本和对话协调时间。只有当任务极度复杂、需要清晰的角色分工（如：一个负责写代码，一个独立负责检查挑错）时，多 Agent 的“对抗互补”机制才有明显收益。如果是直来直去的任务，加了强工具的单 Agent 反而更高效。

---

💻 终极加分项：手写“路由 + 缓存 + RAG”综合架构代码

面试官最爱考白板设计！下面这段伪代码融合了语义路由、语义缓存、混合检索三大生产级优化点，你能写出这段骨架，面试官直接发 Offer：

import numpy as np

# ==========================================
# 模拟核心组件：大模型、缓存、检索器
# ==========================================
class MockLLM:
    def encode(self, text):
        # 模拟 Embedding 向量化
        return np.random.rand(512) 
        
    def generate(self, prompt):
        return "模拟生成的大模型答案"

class MockVectorDB:
    def search(self, query_vec):
        return ["向量检索文档 A", "向量检索文档 B"]

class MockBM25:
    def search(self, query_text):
        return ["关键词检索文档 B", "关键词检索文档 C"]

# ==========================================
# 生产级 RAG 问答管线 (Pipeline)
# ==========================================
class EnterpriseQA_Pipeline:
    def __init__(self):
        self.llm = MockLLM()
        self.v_db = MockVectorDB()
        self.bm25 = MockBM25()
        self.semantic_cache = {} # 模拟缓存 {query_text: answer}

    def _cosine_similarity(self, v1, v2):
        # 计算余弦相似度
        return np.dot(v1, v2) / (np.linalg.norm(v1) * np.linalg.norm(v2) + 1e-8)

    def ask(self, user_query: str) -> str:
        print(f"\n[请求到达] -> {user_query}")
        
        # -------------------------------------------
        # 1. 拦截层：语义缓存 (Semantic Cache)
        # -------------------------------------------
        query_vec = self.llm.encode(user_query)
        for cached_query, cached_data in self.semantic_cache.items():
            sim = self._cosine_similarity(query_vec, cached_data['vec'])
            if sim > 0.95:  # 相似度极高，视为同一个问题
                print("✅ 命中语义缓存！0ms 极速返回！")
                return cached_data['answer']

        # -------------------------------------------
        # 2. 路由层：意图分发 (Query Routing)
        # -------------------------------------------
        # 真实场景中可用小模型或基于规则进行分类
        if "天气" in user_query or "时间" in user_query:
            print("🔀 路由命中：这是一个实时问题，调用【联网搜索 Agent】")
            answer = "调用外部天气 API 获得结果..."
            self._save_to_cache(user_query, query_vec, answer)
            return answer

        # -------------------------------------------
        # 3. 检索层：混合检索 (Hybrid Search + RRF 融合)
        # -------------------------------------------
        print("🔀 路由命中：需要查阅内部知识库，进入 RAG 流程...")
        vec_docs = self.v_db.search(query_vec)
        bm25_docs = self.bm25.search(user_query)
        
        # 模拟 RRF 或简单的去重融合
        fused_docs = list(set(vec_docs + bm25_docs))
        print(f"🔍 混合检索完毕，召回上下文：{fused_docs}")

        # -------------------------------------------
        # 4. 生成层：防幻觉 Prompt 构建
        # -------------------------------------------
        prompt = f"""
        请严格根据以下上下文回答问题。如果上下文中没有答案，请明确回答"我不知道"。
        上下文：{fused_docs}
        用户提问：{user_query}
        """
        answer = self.llm.generate(prompt)
        print("🧠 大模型生成完毕。")

        # 5. 写入缓存，造福下一次请求
        self._save_to_cache(user_query, query_vec, answer)
        return answer

    def _save_to_cache(self, query, vec, answer):
        self.semantic_cache[query] = {'vec': vec, 'answer': answer}

# ==========================================
# 测试运行
# ==========================================
if __name__ == "__main__":
    pipeline = EnterpriseQA_Pipeline()
    
    # 第一次提问：走完整的 RAG 流程
    pipeline.ask("公司年假怎么休？")
    
    # 第二次提问：意思极度相似，会直接命中缓存
    pipeline.ask("年假如何申请？")
    
    # 第三次提问：路由分发到外部 API
    pipeline.ask("北京今天天气怎么样？")