# 面试官最爱问的AI问题

**1. 聊聊RAG吧，从原理到落地你都怎么理解？**

> RAG就是让大模型先查资料再回答，解决它“记不住”和“瞎编”的问题。面试官会一路追问：检索怎么保证准？分块多大合适？相似度和关键词怎么结合？重排序有必要吗？——每层都能挖出你踩过的坑。

**2. 大模型幻觉怎么处理？**

> 别只说“加提示词”。拆开答：原因有三（训练数据、解码随机性、知识边界）→ 解法分三层（提示约束、RAG兜底、输出校验）。面试官听到“温度参数”和“思维链”会继续往下问。

**3. MCP和Function Calling是一回事吗？**

> 不是。Function Calling是模型能力，MCP是标准化协议。面试官更关心你在项目里怎么用的——比如用MCP让模型调API、查数据库，这个实战经验加分。

**4. 你们RAG线上延迟多少？怎么优化？**

> 考察工程落地。检索阶段调HNSW参数、加缓存；生成阶段小模型先回、大模型兜底；异步架构保证用户体验。面试官想听的不是完美方案，是你权衡过。

**5. 检索不到内容时怎么办？**

> 核心是“不知道就说不知道”。先判断阈值，再明确告知用户，或引导换种问法。硬答比答不上更致命。

**反问环节：**
- “你们RAG线上命中率大概多少？”
- “幻觉问题走提示词优化还是后处理？”

问出来，面试官就知道你做过、想过、能落地。