LLM 应用开发面试 50 道模拟题及答案
LLM 应用开发面试 50 道核心模拟题及详细答案，覆盖 RAG 检索与评估、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型部署与推理优化、LLMOps 工程化等七大专题，助你全面备战大模型应用岗面试。
最新文章
大模型应用开发工程师模拟面试笔记
大模型应用开发工程师模拟面试完整记录，包含自我介绍、RAG 系统搭建、Embedding 选型、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型微调部署等核心面试题的候选人回答与参考答案对比分析。
大模型面试八股文：量化、微调、部署全攻略
大模型岗位面试八股文全面深度版，涵盖模型量化（PTQ/QAT/GPTQ/AWQ）、微调技术（LoRA/QLoRA/全参微调）、部署推理（vLLM/TensorRT-LLM/TGI）、分布式训练（DeepSpeed/FSDP/Megatron）、Transformer 基础原理五大核心板块，120+ 道高频面试题详解。
后端转 AI 应用岗实战经验：技术全景图与学习路线
10 年大厂后端老兵的 AI 转岗经验分享，帮你建立 AI 学习认知框架。从 AI 工程师与算法工程师的区别出发，绘制 AI 技术全景架构图，逐层解读模型层、编排层、应用层、基础设施层，给出可执行的学习路线和项目实战建议。
Transformer 架构详解：从原理到实践全面解析大模型核心架构
全面深入解析 Transformer 架构，从诞生历史背景到整体架构概览，详解编码器与解码器核心组件、多头自注意力机制、位置编码、前馈网络、残差连接与层归一化，并延伸至 GPT/BERT 等现代大模型的架构演进。
RAG 生产落地面试题集：45 道核心题覆盖 10 大方向
RAG 生产落地技术面试题集，45 道核心题覆盖 10 大方向：基础架构、文档处理与知识库构建、Embedding 与向量化、向量数据库选型、检索策略优化、生成与后处理、生产级系统架构、评估与优化闭环、高级 RAG 技术、真实生产排障，含面试加分点与常见踩坑。
QwenPaw 源码面试 100 题：AI Agent 框架深度解析
基于 QwenPaw v1.1.9 源码的 100 道面试题全解析，覆盖架构设计、Agent 系统与 ReAct 循环、记忆系统、技能系统、工具系统、频道系统、Cron 与 Heartbeat、多 Agent 与 ACP、安全体系、配置系统等 13 大模块。
Python 大厂面试题库 100 道：详解版
Python 大厂面试题库 100 道详解版，涵盖 Python 基础、数据结构、并发编程、内存管理、设计模式等高频考点，每题含深入解析、面试官考察点、易错点与生产实践，助你不仅答得出更讲得透。
Milvus 向量数据库学习手册：从架构到实战
Milvus 向量数据库完整学习手册，从向量数据库基础概念讲起，详解 Milvus 2.x 存算分离架构、核心组件、索引类型（FLAT/IVF/HNSW/DISKANN）、数据模型、CRUD 操作、混合检索、性能调优与生产部署最佳实践。
MaxKB v2 深度学习教程：从功能使用到源码剖析
MaxKB v2 全方位学习教程，从功能使用到源码深度剖析。详解企业级智能体平台的 RAG 检索增强、工作流引擎、模型中立、无缝嵌入四大核心能力，覆盖技术栈、架构设计、源码实现与生产部署。