AI 应用开发工程师一面面经

AI 应用开发岗一面面经 因为我比较菜，不会Java，所以八股那一套就没问，最后反问时候说还是要会的，大概率寄了

配图文字：

东方财富 AI 应用开发岗一面面经

岗位：AI 应用开发岗（南京）

轮次：一面

时间：2026.9.29

形式：线上面试

一、开场与岗位匹配

1. 自我介绍。

2. 你的经历基本集中在 AI 和相关应用开发上，传统服务端开发知识有储备吗？数据库、缓存、消息队列和计算机网络这些方面，你有多少了解？这些传统后端知识是否做过专门准备？

二、RAG 实习项目

1. 介绍一下实习中参与的 RAG 系统。

2. 基于你的理解，一个完整的 RAG 系统由哪些部分组成？

3. 在数据清洗和文档切分环节，你具体做了哪些工作？

4. 你采用了怎样的切分策略？如何兼顾片段长度与语义结构？

5. 表格和跨页表格是怎样处理的？

6. 为什么向量能够表达语义，并用于语义相似度检索？

7. 向量检索过程中使用的具体检索算法是什么？

8. BM25 的计算过程和主要考虑因素是什么？

9. RRF 的计算过程是什么？

10. 多路召回的结果为什么需要融合？RRF 如何根据排名完成融合？

11. 你调研了多种 PDF 解析工具，比较它们效果时主要关注哪些指标？

12. 为什么不同业务场景会选择不同的 PDF 解析方案？

三、Agent 基础与工具调用

1. Agent 在大语言模型的基础上增加了哪些能力或组件？

2. 你怎样理解 Agent 的记忆、工具、观察和循环？

3. Agent 具体是怎样调用一个工具的？

4. 大模型本身只输出文本，为什么它还能执行工具或命令？完整的调用链路是什么？

5. Agent 的效果应当如何调优和评估？

四、上下文工程（Context Engineering）

1. 实习中的 Context Engineering：背景是什么，你具体做了什么？

2. 为什么 Agent 的上下文过长后，模型输出会不符合预期？

3. 如果要为一个 Agent 编写提示词或设计上下文，上下文通常由哪些部分组成？

4. 你为什么把读文件和写文件任务拆给 Sub-Agent？

5. Sub-Agent 的结果如何持久化？主 Agent 如何按需获取细节？

6. 这种上下文治理方案减少了什么，又可能牺牲什么？

五、Agent 实习项目

1. 介绍实习的业务背景，以及你具体负责的工作。

2. 为什么需要构建整份文档的结构树？具体怎么构建的？结构树中有哪些层级和节点类型？

3. 这个项目中，Agent、Workflow 和大模型分别承担什么职责？

六、Agent 学习项目

1. LangChain、LangGraph 这类 AI 开发框架对开发者起到了什么作用？

2. LangChain 如何统一管理上下文、工具调用、记忆和状态流转？

3. 使用框架与自行搭建 Workflow 相比，各有什么优缺点？

七、个人思考

1. 实习过程中有没有让你印象深刻的问题？你是怎么解决的？

2. 你认为当前通用 Agent 的能力边界在哪里？为什么垂直领域 Agent 更容易落地？

3. AI 技术发展很快，你日常如何学习和跟进新技术？

八、公司与求职动机

1. 你对东方财富公司有什么了解？

2. 为什么投递东方财富？

3. 你对该岗位的业务方向和技术要求有什么理解？

九、编程题

LeetCode 61. 旋转链表

十、反问