面试优先顺序（通用 AI 应用开发岗位）：Q1、Q2、Q4、Q5、Q7、Q8、Q9、Q10、Q19、Q21、Q22、Q23。其余题目用于进阶或特定岗位拓展；实际频率会随岗位和面试轮次变化，产品版本资讯不应当作通用必考题。
难度： ⭐⭐⭐⭐⭐ 更新： 2026-03-03 考点： AI 安全、内容合规、评估体系、测试方法、成本优化实战
难度： ⭐⭐⭐⭐ 更新： 2026-04-06
| 日期 | 更新内容 |
|---|---|
| 2026-04-06 | 新增 Q7 RAGAS vs TruLens vs DeepEval vs UpTrain 对比；新增 Q8 RAG评估Pipeline与迭代优化实战 |
| 2026-03-03 | 新增 AI 安全与评估面试题 10 道 |
题目目录（按原文档学习顺序，⭐ = 面试高频优先题）
AI 安全与合规
Agent Harness Engineering：AI Agent 评估与安全测试
Agent 评估平台选型
Prompt Injection 与 RAG 投毒防御
RAG 评估工具深度对比（RAGAS / TruLens / DeepEval / UpTrain）
- Q11 · RAGAS vs TruLens vs DeepEval vs UpTrain 四大评估框架深度对比？
- Q12 · 如何建立 RAG 评估 Pipeline？评估结果如何驱动 RAG 迭代优化？
RAG 评估生命周期：从离线评测到生产监控
- ⭐ Q21 · RAG 评估的完整生命周期是什么？如何从离线指标走向生产监控？
- ⭐ Q22 · Agent 框架为什么容易出现远程代码执行（RCE）风险？如何系统防御？
- ⭐ Q23 · AI 应用出海欧盟时，如何为高风险 AI 法规要求做工程准备？
- Q24 · 什么是模型蒸馏攻击（Model Distillation Attack / 对抗性蒸馏）？它和普通蒸馏的本质区别是什么？如何防御？
成本优化实战
- ⭐ Q7 · 如何给一个 RAG/Agent 应用做威胁建模？
- ⭐ Q8 · 间接 Prompt Injection 如何导致工具越权或数据外泄？
- ⭐ Q9 · 如何构建红队测试集，并避免评测集泄漏和过拟合？
- ⭐ Q10 · LLM-as-a-Judge 用于安全评估时如何校准？
神经符号融合：2026年幻觉控制新范式
- Q14 · 什么是神经符号融合（Neural-Symbolic Fusion）？2026年如何用它解决大模型幻觉问题？
- Q15 · 为什么单一对齐手段不是安全保证？如何设计纵深防御？
- Q16 · N-Day-Bench是什么？和传统安全基准测试有什么区别？2026年LLM漏洞发现能力如何衡量？