大模型应用岗的面试，和纯算法岗差异很大：不考你训模型，考你怎么把一个模型变成能用的产品。我把高频题按 RAG、微调、Agent、工程四块拆开，每道都附「标准答法」和「加分答法」。

一、RAG 类

Q1：RAG 最常见的失败模式是什么？怎么治？
标准答：检索质量差（召回不对）→ 回答跑题或幻觉。治法是混合检索（向量 + 关键词 BM25）+ 重排序（reranker）。
加分答：我踩过的真实坑是「检索到了但没用上」——长上下文里模型被无关段落带偏。解法是检索结果做压缩/摘要再进 prompt，以及给每段打引用来做事实约束。这在我写的 RAGFlow 实战三（检索调参）里展开过。

Q2：怎么评估一个 RAG 系统？
标准答：离线用召回率@k、答案准确率（LLM-as-judge）；在线看用户满意度。
加分答：要分两层测——检索层（chunk 切得对不对、召回全不全）和生成层（有没有幻觉、有没有引用）。两层分开测才能定位问题，否则只会笼统说「效果不好」。

二、微调类

Q3：什么时候该微调，什么时候用 RAG？
标准答：RAG 解决「知识更新」，微调解决「能力/风格塑造」。知识类用 RAG，语气/格式/特定任务范式用微调。
加分答：我本地跑过 27B 模型的 LoRA 微调，显存账要先算清（见 NInfer 部署那篇）——微调是重投入，先确认 RAG/提示词解决不了再上。

Q4：LoRA 为什么省显存？SFT 数据怎么造？
标准答：LoRA 只训练低秩增量矩阵，冻结原权重，参数量从亿级降到百万级，显存主要在冻结权重的前向激活上。
加分答：数据质量 >> 数量。我造 SFT 数据时会先写「种子样本」再让强模型扩写，但必须人工抽检，否则模型会学到噪声。灾难性遗忘靠保留一小部分通用指令数据混训来缓解。

三、Agent 类

Q5：ReAct 范式是什么？工具调用失败怎么办？
标准答：推理（Thought）→ 行动（Act）→ 观察（Obs）循环，让模型边想边调工具。
加分答：真实系统里工具失败才是常态——网络超时、返回脏数据、参数填错。我的做法是给每步加超时+重试+失败兜底分支，并在 prompt 里明确「调不通就换路径」，而不是死循环硬调。

Q6：长对话怎么管理上下文？
标准答：滑动窗口 + 摘要压缩 + 关键记忆外挂（向量库）。
加分答：我做过带检索闭环的 RAG Agent（详见另一篇），上下文溢出时优先丢「已落实的工具结果」，保留「用户意图和当前任务」。

四、工程类

Q7：推理成本高怎么压？
标准答：量化（INT8/INT4）、KV-cache 复用、批处理、用 vLLM 这类 PagedAttention 引擎。
加分答：先做 profiling 再优化——很多时候瓶颈不是算力是 IO（模型加载、tokenizer）。我本地部署的经验是，先把单请求延迟打透，再谈并发。

结语

大模型岗面试的核心是「你有把模型落地的真实经验」。每道题的最佳回答，都是「我做过 + 我踩过 + 我怎么救」。本博客里 NInfer 部署、RAGFlow 四部曲、短剧 AI 生产线都是现成的证据链，建议面试前把这几篇重读一遍，做到能脱稿讲。