真面经，好答案。面试之前，先来面栈。

钉钉

2 篇面经56 道面试题

开始复习

已筛选

共 56 道题

排序：

0171
RAG 文档有哪些切分策略，如何确定块大小？
RAG 与知识系统文档切分与元数据
方案设计已有答案
进阶
1 篇面经13 个题集来源
0359
Function Calling 的完整流程是什么？
Agent 原理与系统工具调用与 Function Calling
原理机制已有答案
进阶
1 篇面经12 个题集来源
0370
如何为检索场景选择和使用 Embedding 模型？
RAG 与知识系统Embedding 与向量表示
比较选型已有答案
进阶
1 篇面经11 个题集来源
0586
Embedding 的本质是什么，各维度参数有什么含义？
RAG 与知识系统Embedding 与向量表示
原理机制已有答案
进阶
1 篇面经10 个题集来源
0003
项目或实习中最难的问题是什么，你是如何解决的？
项目与综合面试项目难点、复盘与改进
项目深挖已有答案面前必看
进阶
1 篇面经9 个题集来源
0002
请介绍一个你做过的项目，包括背景、架构与个人职责。
项目与综合面试项目背景、架构与职责
项目深挖已有答案面前必看
基础
2 篇面经6 个题集来源
0172
常见向量数据库有哪些，如何根据项目需求选型？
RAG 与知识系统向量数据库与索引
比较选型已有答案
进阶
1 篇面经7 个题集来源
0418
Context Engineering、Prompt Engineering 与 Harness Engineering 分别是什么？
Agent 原理与系统Agent 框架与 Harness
比较选型已有答案
进阶
1 篇面经7 个题集来源
0288
ReAct、Plan and Execute 等 Agent 模式如何选择？
Agent 原理与系统规划、推理与任务执行
比较选型已有答案
进阶
1 篇面经6 个题集来源
1713
Embedding 模型的原理是什么，如何训练？
RAG 与知识系统Embedding 与向量表示
原理机制
进阶
1 篇面经6 个题集来源