第21课：面试通关手册
本节目标：核心概念速答、项目黄金3分钟话术、各专项高频问答索引、关键术语速记。
1. 核心高频 10 问（必背）
Q1：什么是 RAG？为什么需要 RAG？
RAG = Retrieval-Augmented Generation。在 LLM 生成回答前，先从外部知识库检索相关信息作为上下文。
解决三大问题：① 知识截止（训练数据有时效性）② 幻觉（编造不存在内容）③ 可溯源（传统 LLM 无法给出引用）。
"RAG 本质是给 LLM 配了一本'开卷考试的参考书'。"
Q2：Agentic RAG 比传统 RAG 强在哪？
| 维度 | 传统 RAG | Agentic RAG |
|---|---|---|
| 检索决策 | 固定流程 | Agent 自主判断 |
| 检索次数 | 一次 | 多轮迭代 |
| 证据评估 | 不评估 | 判断是否充分 |
| 失败处理 | 硬答 | 反思 + 二次检索 |
Q3：Embedding 是什么？怎么选模型？
把文本转成稠密向量（如 1024 维浮点数），语义相近的文本向量距离近。
中文首选 BGE-M3（多功能 + 长上下文 + 开源），英文选 OpenAI text-embedding-3，性能极致选 Conan-embedding。
Q4：切片策略有哪些？
五大策略：固定长度 → 句子边界 → 重叠滑窗 → 结构化切片 → 语义切片。工业标配 = 重叠滑窗（200-500字 + 50-100字重叠）+ 保留元数据。
Q5：什么是 Rerank？为什么需要？
对检索召回结果重新排序。向量检索是双塔（快但粗），Rerank 用交叉编码（慢但精）。架构：Bi-Encoder 召回 100 → Cross-Encoder 重排 10。
Q6：ReAct 是什么？
ReAct = Reasoning + Acting。循环模式：Thought（思考）→ Action（调工具）→ Observation（看结果）→ 重复直到能回答。
Q7：LoRA 的原理？
W_new = W + B×A（低秩分解），把微调参数减少 100-1000 倍。基于"低秩假设"：权重增量本质是低秩的，r=8 就能达到全参微调 95% 效果。
Q8：DPO 为什么替代 PPO？
PPO 需要 4 个模型（Actor/Critic/RM/Reference）→ 显存爆炸 + 训练不稳定。DPO 用数学消除 RM 和 PPO，只需 2 个模型，像 SFT 一样稳定。
Q9：vLLM 为什么快？
三大创新：① PagedAttention（像 OS 分页管 KV Cache，显存利用率 30%→96%）② Continuous Batching（不等整批，GPU 持续满载）③ 优化 CUDA Kernels（FlashAttention + 量化）。
Q10：RAG 系统怎么评估？
检索层：Hit@K、MRR。生成层：Faithfulness（防幻觉核心）、Answer Relevancy。工具：RAGAS + LangSmith + 人工标注。评估闭环：收集→归因→优化→验证。
2. 项目参考黄金 3 分钟话术
【背景】30秒
"我做了基于 SpringBoot + LangChain4j 的中医古籍智能问答系统。中医古籍专业性强、需要溯源引用，传统大模型直接回答会有严重幻觉，所以采用 Agentic RAG 架构来解决。"
【架构】60秒
"系统分四层：数据层用 PostgreSQL + pgvector 存古籍片段和向量；检索层用多路召回（向量 + 关键词）+ Rerank 重排；应用层用 LangChain4j 实现 Agent 工具调用 + 流式生成；接入层用 SSE 流式推送 + JWT 认证。设计了 5 个 Agent 工具：查询改写、向量检索、关键词检索、证据评估、引用查询。"
【难点】60秒
"四个挑战：① 古文和现代问题语义差异大 → Agent 改写 query ② 单一向量检索准确率低 → 多路召回 + Rerank ③ 幻觉问题 → Prompt 强制引用 [1][2] 标记 ④ 用户体验差 → SSE 流式输出，首字延迟从 5 秒降到 0.5 秒。"
【成果】30秒
"最终支持：用户提问 → Agent 思考 → 检索古籍 → 流式回答带引用完整闭环。引用准确率 95%+，幻觉率降低 70%。"
3. 深度追问预案
| 追问 | 应答要点 |
|---|---|
| 为什么选 pgvector 不是 Milvus？ | 业务和向量统一存储，运维简单，数据规模适配 |
| Embedding 维度为什么是 1024？ | BGE-M3 默认，兼容主流规范，方便切换 |
| 怎么保证引用准确？ | Prompt 约束 + 后处理校验 + chunk_id 持久化 |
| LLM API 挂了怎么办？ | fallback：检索结果直接返回 + 缓存兜底 |
| 怎么扩展到千万级数据？ | 向量库换 Milvus + HNSW 索引 + 向量量化 |
4. 各专项高频题索引
Agent 专项
- ReAct vs Reflexion 区别？→ 课18
- Function Calling 怎么实现？→ 附07
- 多 Agent 比单 Agent 强在哪？→ 课16
- AutoGen 和 CrewAI 怎么选？→ 课16
微调专项
- LoRA 原理 + 为什么有效？→ 课18
- RLHF 三步是什么？→ 课18
- 怎么防止灾难性遗忘？→ 课18
- 什么时候不该用微调？→ 课18
Transformer 专项
- 手撕 Self-Attention → 课19
- BERT 和 GPT 区别？→ 课19
- KV Cache 原理 + 显存计算 → 课19
- RoPE 为什么好？→ 课19
工程部署专项
- vLLM 三大创新？→ 附11
- GPTQ 和 AWQ 区别？→ 附11
- 怎么设计高并发 LLM 服务？→ 附11
检索专项
- Bi-Encoder 和 Cross-Encoder 区别？→ 附05
- RRF 的 k 为什么取 60？→ 附05
- HNSW 为什么快？→ 附05
评估专项
- RAGAS 四个核心指标？→ 附10
- LLM-as-Judge 有什么坑？→ 附10
- Bad Case 闭环流程？→ 附10
5. 系统设计题框架
设计一个企业知识库问答系统：
1. 需求：文档规模？日活？延迟要求？多租户？
2. 数据层：数据源接入 → 清洗 → 切片（200-500字）→ 向量化 → 入库
3. 检索层：多路召回（向量+BM25+元数据过滤）→ RRF → Rerank
4. 应用层：LangChain4j/LangChain + Agent + Memory + Prompt模板
5. 接入层：REST + SSE + JWT/RBAC + Redis 限流
6. 监控：Prometheus + Grafana + LangSmith trace + Bad Case收集
6. 关键术语速记
| 术语 | 全称 | 一句话 |
|---|---|---|
| RAG | Retrieval-Augmented Generation | 检索增强生成 |
| ReAct | Reasoning + Acting | 思考+行动循环 |
| CoT | Chain of Thought | 思维链 |
| LoRA | Low-Rank Adaptation | 低秩微调 |
| DPO | Direct Preference Optimization | 直接偏好优化 |
| RLHF | RL from Human Feedback | 人类反馈强化学习 |
| MoE | Mixture of Experts | 混合专家 |
| RoPE | Rotary Position Embedding | 旋转位置编码 |
| GQA | Grouped Query Attention | 分组查询注意力 |
| MCP | Model Context Protocol | LLM 的 USB 接口 |
7. 不会答时的应对
| 情况 | 话术 |
|---|---|
| 完全不会 | "这个我没有深入研究，但根据我对 XX 的理解，会从 X、Y、Z 角度思考..." |
| 听说过没用过 | "我了解过核心思想是 XX，如果落地会先做 XX 验证..." |
| 需要澄清 | "您问的是 XX 场景还是 YY 场景？两种方案不一样..." |
一定不能说："不知道"（直接终结）、"网上有教程"（没主见）、编造细节（一深追就崩）。
8. 反问环节
必问的高质量问题：
- "团队目前在 RAG / Agent 方向上有什么挑战？" → 显示关心实际问题
- "你们的评估体系是怎么做的？" → 显示懂工程化
- "技术栈未来 1 年的演进方向？" → 显示看长期
- "入职后前 3 个月会负责什么？" → 显示重视落地
终极心法
面试不是考你"知不知道"，而是考你"理解得多深、能不能落地"。项目细节 > 名词堆砌。一个讲透的项目胜过 100 个听说过的概念。
"会评估的工程师，才是能优化的工程师；能闭环的团队，才是能持续进步的团队。"