面试优先顺序（通用 AI 应用开发岗位）：Q1、Q2、Q3、Q7、Q8、Q9、Q10、Q13、Q14、Q19、Q20、Q21、Q22。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： 2026-04-23 考点： LangChain、向量数据库、测试评估、部署运维、Dify/Coze/n8n/OpenClaw
| 话题 | 核心要点 |
|---|---|
| LangChain | LLM+Prompt+Chain+Agent+Memory+Retriever |
| LangGraph | 图结构，支持循环和多 Agent 协作 |
| LlamaIndex | 专注 RAG，索引和查询更灵活 |
| 向量索引 | HNSW（快）、IVF（大）、LSH（超大） |
| 检索优化 | Rerank + 混合检索 + Multi-Query |
| Metadata 过滤 | 多租户、权限、时间、部门 |
| 评估指标 | Faithfulness、Relevance、Recall |
| 测试集 | 50-100 题最小，300 题推荐，1000+ 生产级 |
| 部署清单 | 限流、缓存、超时、降级、监控、日志 |
| 成本优化 | 缓存 30-50% + 路由 30-40% + 压缩 40-90% |
| Coze平台 | 字节低代码平台,5分钟搭Bot,插件丰富 |
| Dify部署 | Docker Compose快速/K8s生产,优化4点(连接池/缓存/索引/异步) |
| Function Calling | 并行调用缩短3倍延迟，重试+超时+熔断保障可靠性 |
| Streaming流式 | SSE协议，TTFT从5s→300ms，Nginx关闭缓冲 |
| Dify/Coze/n8n/OpenClaw | 个人助理→OpenClaw，企业AI→Dify，低代码Bot→Coze，自动化→n8n |
| 日期 | 更新内容 |
|---|---|
| 2026-08-14 | 更新 OpenAI API 题：新项目使用 Responses API，Assistants API 进入迁移期 |
| 2026-04-24 | 新增 Q12 DSPy（声明式 LLM 编程范式） |
| 2026-04-09 | 新增 Q11 Dify/Coze/n8n/OpenClaw 四平台对比 |
| 2026-03-02 | 新增 10 道框架与运维面试题 |
题目目录（按原文档学习顺序，⭐ = 面试高频优先题）
Agent 框架选型
- ⭐ Q21 · 2026年七大生产级Agent框架深度对比：LangGraph、Claude Agent SDK、CrewAI、AutoGen/AG2、Semantic Kernel、LlamaIndex Agents、Pydantic AI 如何选型？
- ⭐ Q22 · 为什么选 Go+Eino 做 AI 平台，而不是 Python+LangChain？如何做技术栈选型？
LangGraph 生产调试与状态管理
向量数据库题
框架使用题
- ⭐ Q1 · LangChain 的核心组件有哪些？如何使用 Chain？
- ⭐ Q2 · LangGraph 和 LangChain 有什么区别？什么时候用 LangGraph？
- ⭐ Q3 · 如何使用 LlamaIndex 构建 RAG 系统？和 LangChain 有什么区别？
测试评估题
速记卡片
- Q16 · Prompt Caching 是什么？为什么它能显著降低 API 成本？
- Q17 · DSPy 是什么？为什么"声明式 LLM 编程"是 2026 年的重要范式转变？
- Q18 · LangGraph vs Semantic Kernel 2026年深度对比：微软新一代 Agent Framework 来了，如何选择？
- ⭐ Q19 · OpenAI Responses API 如何管理会话和工具？它与旧 Assistants API 有什么关系？
部署运维题
- ⭐ Q9 · 如何部署 LLM 应用到生产环境？需要注意什么？
- ⭐ Q10 · 如何监控 AI 应用的成本？如何优化？
- Q11 · Coze 平台如何搭建 AI 应用？与传统开发有什么区别？
- Q12 · Dify 如何本地部署并进行性能优化？
- ⭐ Q13 · Function Calling 如何实现工具并行调用和错误重试？
- ⭐ Q14 · 如何实现 LLM 流式输出（Streaming）？前后端完整方案是什么？
- Q15 · 2026年 Dify、Coze、n8n、OpenClaw 四大平台如何选型？