联影
Agent 开发工程师一面面经
完整信息
本篇目录
基础八股+Agent+项目
八股：
1. 进程、线程和协程有什么区别？分别适合什么场景？
2. 普通 Python 程序可以利用多核吗？如果不行，怎么解决？
可以从 GIL、多进程、C 扩展、异步 IO 等角度回答。
3. temperature 和 top-p 分别控制大模型输出的什么属性？
Agent+项目：
1. 项目里使用的是哪个大模型？是本地部署还是调用 API？为什么选择这种方式？
2. 为什么 embedding 模型没有选择自行训练？
重点可以从训练成本、算力资源、数据规模、业务收益和维护成本几个角度回答。
3. 意图识别模块为什么要做成两层？意图识别对整个 RAG 系统的准确性影响有多大？
4. 为什么采用 BM25 + 向量检索的两路召回？BM25 和向量检索分别召回多少条进入 reranker？
5. 如果两路召回的文档已经足够多，是否可以去掉 reranker？为什么排序结果会影响 LLM 的最终回答？
6. 文档分块数量大概有多少？
7. 一条完整问答链路中，文档会经过几次 LLM？
可以结合查询改写、意图判断、最终生成、答案校验等环节来回答。
8. 医疗器械内部署 RAG，如果不能联网、也不能频繁更新，模型和系统部署怎么做？
可以围绕 Docker、离线镜像、本地模型、私有向量库、权限控制、日志脱敏和版本管
理展开。
10. 对 GraphRAG了解程度？
11. 是否了解 Agentic RAG？
可以讲它相比普通 RAG，不是固定执行“检索-生成”流程，而是让 Agent 根据任务状
态决定是否检索、如何改写 query、是否调用工具、是否继续补充信息。 #发面经攒人品#
本篇目录
- 01
进程、线程和协程有什么区别？分别适合什么场景？
- 02
普通 Python 程序可以利用多核吗？如果不行，怎么解决？
- 03
temperature 和 top-p 分别控制大模型输出的什么属性？
- 04
项目里使用的是哪个大模型？是本地部署还是调用 API？为什么选择这种方式？
- 05
为什么 embedding 模型没有选择自行训练？
- 06
意图识别模块为什么要做成两层？意图识别对整个 RAG 系统的准确性影响有多大？
- 07
为什么采用 BM25 + 向量检索的两路召回？BM25 和向量检索分别召回多少条进入 reranker？
- 08
如果两路召回的文档已经足够多，是否可以去掉 reranker？为什么排序结果会影响 LLM 的最终回答？
- 09
文档分块数量大概有多少？
- 10
一条完整问答链路中，文档会经过几次 LLM？
- 11
医疗器械内部署 RAG，如果不能联网、也不能频繁更新，模型和系统部署怎么做？
- 12
对 GraphRAG了解程度？
- 13
是否了解 Agentic RAG？