🧩 AI 应用 / LLM 应用工程师
从模型能力走到可上线的业务系统。
📌 进入本路线后，左侧导航与「上一题/下一题」将只覆盖这条路线的专题；点顶部「全部专题」可随时切回全库模式。
学习路径
共 6 步，建议按顺序推进：
- 📌 LLM 基础概念 · 49 道题 —— 打基础 —— 建立这个岗位的基本概念盘，开场必问的部分
- ✍️ Prompt Engineering 面试题 · 28 道题 —— 核心战场 —— 本方向最高频的考题聚集地
- 📚 RAG 系统面试题 · 21 道题 —— 进阶深化 —— 答出深度才能和其他候选人拉开差距
- 🤖 AI Agent 面试题 · 47 道题 —— 横向拓展 —— 补齐相邻能力，从容应对交叉提问
- 🔥 AI 应用开发进阶面试题 · 21 道题 —— 串联整合 —— 把前面的知识连成完整方案
- 📌 AI 场景系统设计 · 11 道题 —— 综合演练 —— 用场景设计题把前面所学串成完整方案
预计刷题量
这条路线覆盖 6 个专题，合计 约 177 道面试真题（各专题题数之和）。时间紧张的话，优先刷各专题目录中带 ⭐ 标记的「面试高频优先题」。
适合谁选这条路
- 后端 / Java 工程师：语言与工程底子直接复用，重点补 LLM API、Prompt 工程与 RAG——目前公开面经里最常见的顺滑转行路径之一
- 前端工程师：聊天界面、流式渲染（SSE）、Agent 交互层是你的主场，向应用层纵深发展很有优势
- 测试 / 运维同学：从工具链与平台化切入，补上 Python 和 LLM 基础概念即可起步
想系统评估自己的转行路径？看零基础转行 AI 学习路线或全部转行指南。