Day 67 / 共 68 天 · 阶段 12 实战求职
面试冲刺①：概念题问答卡
昨天(Day 66)把项目写进了简历，用"问题→方案→指标"讲清了你做过什么。今天(Day 67)把最高频的概念面试题逐条过一遍——RAG、上下文、幻觉、工具调用、Agent、评测——每题给你"考点(面试官到底想听什么)+参考答法要点"，做成可以盖住答案自测的问答卡。明天(Day 68)是收官：系统设计题 + 68 天全程复盘。
📍 你在阶段 12（实战求职 D62-68）的位置 · 只剩最后 2 天
D64 多智能体作品→
D65 GitHub/博客→
D66 简历包装→
D67 概念题→
D68 系统设计+收官🎓
💡 用一个类比兜住今天（今天全程沿用「驾照笔试」的世界观）
概念面试就像考驾照笔试。题库是公开的、翻来覆去就那些题，不需要天赋，需要的是把每道题的"标准答法"背熟并理解。今天的每张问答卡 = 一道笔试题：考点 = 出题人想考你哪个知识点，参考答法要点 = 满分答案的得分点。你要做的不是死记，而是能用大白话把得分点讲出来——就像教练问"这个标志啥意思"，你张口就来。盖住答案自测，答不出的翻回对应天再看一眼。
L01
怎么答概念题：3 个通用套路
🤔 痛点知道 RAG 是啥，可一被问就语无伦次、说了三分钟还没说到点子上。面试官皱眉，你越说越慌。问题不在"你不懂"，而在"你没有答题结构"。
💡 本质概念题不是让你背课本，而是考"你能不能把一个概念讲清楚"——这正是工作里天天要干的事(跟产品、跟老板解释)。答得好=结构清晰+有取舍+有例子，就像驾校教练要的是"你真懂"而不是"你背过"。
图注：这套"一句话→为什么→取舍→例子"结构，套用在今天所有问答卡上都成立。
📝 举个例子：同一道题，两种答法
问「什么是 RAG？」
❌ 差答法：
✅ 好答法：
❌ 差答法：
"就是检索增强生成，先检索再生成……然后嵌入……向量……"(堆名词、没结构、听着像背的)✅ 好答法：
"RAG 就是给大模型外挂一个'可查的资料库'(一句话)。因为模型不知道你公司内部文档，硬答就会瞎编(为什么)。它的取舍是准确度靠资料质量、还多了检索这一步延迟(取舍)。我在知识库助手项目里用它，把 200 份 PDF 切块入库，回答时带出处(例子)。"👶 记不住这么多概念咋办？不用全背。面试官问的就那十几个高频词。今天这几张卡覆盖了 80% 的概念题。把每张卡的"一句话定义"背到脱口而出，其余得分点理解即可——理解了就能现场组织语言，比死背更抗打。
L02
RAG 问答卡（4 题）
🤔 痛点RAG 是转行岗位里被问得最多的话题(几乎必问)。光会说"检索增强生成"这七个字远远不够，面试官会顺着追问"怎么切块""为什么检索不准"。
💡 本质下面每张卡先给考点(面试官想听啥)，再折叠参考答法要点。盖住答案，自己先答，再展开对照——像笔试刷题。答不出的题，点开卡里标注的"回看 Day"复习。
Q1：什么是 RAG？为什么需要它？
🎯 考点：能否讲清"外挂知识库"这个本质 + 不用它的痛点(幻觉/知识过时/无法读私有数据)
展开参考答法要点
- 一句话：RAG = 回答前先去资料库检索相关内容，把它塞进提示词，让模型"看着资料答"。
- 为什么：大模型的知识停在训练那一刻、且不知道你的私有文档；硬答会编造(幻觉)。RAG 让答案有据可查、可更新(改资料即可，不用重训模型)。
- 六步：读文档→切块→做 embedding→存向量库→检索 top-k→拼进 prompt 生成。
- 取舍：答案质量强依赖检索质量("检索不到=答不对")，且多一步检索延迟与成本。
Q2：为什么要 chunking（切块）？切太大 / 太小各有什么问题？
🎯 考点：理解切块是为了"检索精度"和"塞得进上下文窗口"，能说出大小的权衡
展开参考答法要点
- 为什么切：整篇文档太长塞不进上下文，且检索时命中"一整篇"不精准；切成小块才能精确定位到相关段落。
- 切太大：一块里混了很多无关内容，检索噪声大、浪费 token。
- 切太小：语义被切断(一句话被拦腰砍)，检索到的块信息不完整。
- 常用做法：按语义/段落切 + 设置 overlap(相邻块重叠一点)防止边界信息丢失。
Q3：embedding 是什么？为什么"语义相近"能被找到？
🎯 考点：能用大白话解释"把文本变成一串数字(向量)，意思相近的向量距离近"
展开参考答法要点
- 一句话：embedding 把一段文本变成一串数字(向量)，意思相近的文本，向量在空间里离得近。
- 为什么能检索：把用户问题也变成向量，找和它距离最近(余弦相似度高)的文档块，就是"语义最相关"的内容——即使用词不同也能匹配("汽车"能命中"轿车")。
- 对比关键词检索：关键词只能匹配字面，embedding 能匹配"意思"。实际中常两者混合。
Q4：检索不准怎么优化？rerank 和混合检索是干嘛的？
🎯 考点：能给出"先粗召回再精排""向量+关键词混合"这类具体手段，不是空谈
展开参考答法要点
- 混合检索：向量检索(懂语义)+ BM25 关键词检索(抓专有名词/编号)，两者结果融合，互补短板。
- rerank(重排)：先用向量快速召回较多候选(如 top-50)，再用一个更强的重排模型精挑出最相关的 top-5，兼顾速度和准确。
- 其他手段：调整 chunk 大小、加 overlap、按元数据过滤(如只搜某部门文档)、优化查询(query 改写/扩展)。
- 关键心态：检索优化要靠评测驱动(hit rate / MRR)，不能凭感觉。
🔗 RAG 是深潜重点：想把这几题答得更硬，回看《LlamaIndex 20 天 RAG 精讲》→（学完回来继续 Day 67）
L03
上下文工程问答卡（3 题）
🤔 痛点"上下文窗口""上下文工程"听着玄乎。面试官问"上下文太长了怎么办"，你答不上来就露怯——这恰恰是实战里天天遇到的问题。
💡 本质把上下文窗口想成模型的"办公桌"：桌子就那么大(有 token 上限)，桌上放什么、放多少、放的顺序，直接决定它干得好不好。上下文工程 = 学会整理这张桌子。
Q5：什么是上下文窗口？满了会怎样？
🎯 考点：知道窗口=一次能"看到"的 token 上限(输入+输出共享)，超了要么报错要么截断
展开参考答法要点
- 一句话：上下文窗口是模型一次能处理的 token 总量上限，像办公桌的桌面面积。
- 包含什么：系统提示 + 历史对话 + 检索到的资料 + 用户当前问题 + 留给回答的空间，全都占额度。
- 满了怎样：超出会报错或被截断(前面的内容被丢)，导致模型"忘了"早先说过的话。
- 还有个坑：窗口大不等于用得好——放太多无关内容反而干扰(见下题)。
Q6：什么是 "lost in the middle"？怎么应对？
🎯 考点：知道模型对上下文"中间"的信息注意力弱，要把关键信息放两头 + 只放相关内容
展开参考答法要点
- 现象：一大段上下文里，模型对开头和结尾的信息记得牢，中间的容易被忽略——像读长文只记得头尾。
- 应对：① 只放真正相关的内容(检索精一点，别一股脑全塞)；② 把最关键的信息放在开头或结尾；③ 历史太长就压缩/摘要。
- 一句话总结：上下文不是越多越好，而是"少而精、位置对"。
Q7：对话越来越长，历史怎么管理？
🎯 考点：能说出"摘要压缩 / 滑动窗口 / 只留关键轮 / 外置到向量库"等策略
展开参考答法要点
- 滑动窗口：只保留最近 N 轮对话，老的丢掉。
- 摘要压缩：把早期对话让模型总结成几句话，用摘要替代原文，省 token 又保留要点。
- 外置记忆：把长期信息存到向量库(长期记忆)，需要时再检索回来，而不是一直挂在上下文里。
- 取舍：压缩会丢细节，要在"省 token"和"保信息"之间权衡。
L04
幻觉问答卡（3 题）
🤔 痛点"幻觉"是面试官最爱挖的坑，因为它直接关系到产品能不能上线。只会说"模型会瞎编"是不够的，得说清为什么会编、怎么防。
💡 本质幻觉就像一个不肯说"我不知道"的学生：不会的题也硬编一个答案，还编得一本正经。防幻觉 = 想办法让它"有据才答、没据就承认不知道"。
Q8：幻觉是什么？为什么会产生？
🎯 考点：能解释"模型本质是预测下一个词，追求流畅而非真实"，所以会一本正经胡说
展开参考答法要点
- 一句话：幻觉 = 模型生成了听起来合理、但实际错误或凭空捏造的内容。
- 根因：模型本质是"预测下一个最可能的词"，目标是语言流畅，并不是查证真伪；训练数据没有的、或它"记混了"的，它也会自信地补出来。
- 高发场景：问具体数字/日期/人名、问它不知道的私有信息、问超出知识截止时间的事。
Q9：怎么减少幻觉？（答得出 3 招以上就很稳）
🎯 考点：能给出组合拳：RAG 提供证据 + 提示词约束 + 结构化引用 + Critic 校验
展开参考答法要点
- 给证据：用 RAG 检索真实资料，让它"看着资料答"而非凭记忆。
- 提示约束：明确要求"只根据给定资料回答，资料里没有就说不知道"。
- 带出处：让它每句话标注引用的资料 ID，逼它有据可依，也方便核对。
- 加 Critic 校验：用第二个模型/步骤核对答案里的说法是否有证据支撑，拦下编造(可信工程的核心)。
- 降 temperature：需要事实性回答时调低随机性。
Q10：怎么"衡量"幻觉？（进阶，答得出加分）
🎯 考点：能提到 faithfulness(忠实度)——答案是否都能从检索到的资料里找到依据
展开参考答法要点
- faithfulness / 忠实度：检查答案里的每个说法能否被检索到的资料支撑；不能支撑的就是幻觉。
- 怎么测：常用 LLM-as-Judge——让一个模型逐句判断"这句话有没有资料依据"，算出忠实度分数。
- 关键观点：幻觉不是靠感觉说"变少了"，要靠评测量化，才能证明改动真的有效。
L05
工具调用问答卡（3 题）
🤔 痛点Function Calling / 工具调用 / MCP 这几个词容易搅在一起。面试官问"模型怎么调用外部工具"，很多人只会含糊说"它自己会调"——其实模型不会真的执行，得说清这个机制。
💡 本质工具调用像老板派活给助理：老板(模型)不亲自动手，只说"帮我查下今天天气"(吐出"要调哪个工具+参数")，助理(你的代码)去执行，把结果拿回来给老板继续说。模型只负责"决定调什么"，执行是你的程序干的。
图注：面试必答点——"模型只决定调哪个工具、传什么参数；执行是宿主程序做的，结果再回填给模型"。
Q11：Function Calling 是怎么工作的？
🎯 考点：必须点破"模型不执行代码，只输出结构化的调用意图；宿主执行后回填结果"
展开参考答法要点
- 你先把可用工具的"说明书"(名字、功能、参数 schema)告诉模型。
- 模型根据用户问题，判断需不需要调工具；需要就输出"调哪个工具+参数"(一段结构化 JSON)，它本身不执行。
- 你的程序解析这段输出，真正调用对应函数/API，拿到结果。
- 把结果回填给模型，模型据此生成最终自然语言回答。
Q12：怎么写一个"安全好用"的工具？
🎯 考点：清晰的描述/schema + 幂等 + 错误不抛异常而返回结构化错误
展开参考答法要点
- 描述清晰：工具名和参数说明要让模型"看名字就知道啥时候用"，写不清模型就乱调。
- 幂等：同样的调用多次执行结果一致，避免重试造成重复下单之类的事故。
- 错误结构化：出错时返回一个说明错误的结果(如 {"error":"城市不存在"})，而不是抛异常崩掉——这样模型能"看到错误"并自己纠正。
- 权限最小化：危险动作(删数据、发钱)要加确认/审批。
Q13：MCP 是什么？和 Function Calling 什么关系？
🎯 考点：MCP 是"统一外挂协议/标准接口"，让工具能被不同应用复用；不是替代 function calling，是标准化它
展开参考答法要点
- 一句话：MCP(Model Context Protocol)是一套统一的"外挂"标准，让 Agent 连接工具/数据源有个通用插口。
- 类比：像 USB 接口——工具做成 MCP server，任何支持 MCP 的应用(client)都能插上用，不用为每个应用重写一遍。
- 关系：Function Calling 是"模型决定调工具"的机制；MCP 是"工具怎么被标准化地接进来"的协议。二者互补，不冲突。
L06
Agent & 评测问答卡（4 题）
🤔 痛点"Agent 和普通调用有啥区别""为什么说评测最重要"——这两个是拉开分数的题。答好了，面试官会觉得你真上过手；答虚了，就像只看过教程。
💡 本质Agent 像一个会自己想办法办事的员工：给他目标，他能"想→动手→看结果→再想"，直到把活干完；普通一问一答只是"你问一句它答一句"。而评测就像员工的 KPI 考核——没有考核，你根本不知道改动是变好还是变坏。
Q14：Agent 是什么？和普通"一问一答"有什么区别？
🎯 考点：点出"主循环:感知→决策→行动→观察→再决策"，能自主用工具多步完成任务
展开参考答法要点
- 一问一答：你问一句，模型答一句，一次性，不会自己动手。
- Agent：给它一个目标，它在一个循环里自己"想下一步该干嘛→调工具动手→看结果→再想"，多步推进直到完成或达到上限。
- 关键能力：会用工具、有记忆、能规划、能根据观察调整——所以能处理"订一趟差旅"这种需要多步的复杂任务。
- 代价：更慢、更贵、更难控(可能绕圈/失控)，所以要加循环上限、护栏和评测。
Q15：ReAct 是什么？
🎯 考点：Thought(想)→Action(调工具)→Observation(看结果) 交替循环
展开参考答法要点
- 一句话：ReAct = Reasoning(推理) + Acting(行动)交替进行的一种 Agent 模式。
- 三步循环：Thought(我该干嘛)→Action(调某个工具)→Observation(工具返回啥)，然后基于观察再 Thought，如此往复。
- 好处：把"思考"显式写出来，模型决策更靠谱、也更好调试(能看到它每步怎么想的)。
Q16：为什么说"评测最重要"？没评测会怎样？
🎯 考点：没评测=盲改(改了不知道好坏);面试官极爱问;要能说离线vs在线、成功率等指标
展开参考答法要点
- 核心观点：LLM 应用是概率性的，改一句 prompt 可能这好了那坏了。没有评测，你就是在盲改，凭感觉说"好像变好了"。
- 怎么做：攒一个"标准答案集"(golden set)，每次改动都跑一遍，用指标对比。
- 指标：任务成功率、检索命中率、忠实度、延迟 P50/P95、成本、失败模式分类。
- 离线 vs 在线：离线=上线前用测试集跑；在线=上线后监控真实流量表现。
Q17：LLM-as-Judge 是什么？有什么坑？
🎯 考点：用模型给输出打分(省人力);坑=有偏见(偏长、偏位置),要用 rubric+成对比较缓解
展开参考答法要点
- 是什么：用一个(通常更强的)模型来给另一个模型的输出打分/判断好坏，替代昂贵的人工评估。
- 怎么做靠谱：给清晰的评分标准(rubric)、用成对比较(A/B 哪个好)而非打绝对分。
- 坑/偏见：会偏好更长的答案、偏好排在前面的答案、偏好自己风格的输出；要通过打乱顺序、明确标准来缓解，并偶尔用人工抽检校准。
👶 小白：面试官如果问一个我完全没准备过的概念，怎么办？
👨🏫 老师：三步。① 别装懂——瞎编比说"这块我了解得不深"扣分更狠(尤其做 Agent 的岗位最忌讳"幻觉式"回答，面试官会当场看穿)。② 用你会的去靠："我没直接用过 X，但它要解决的问题应该和我熟悉的 Y 类似，我猜思路是……"——展示你的推理能力。③ 反问澄清："您指的是 A 场景下的还是 B？"——既争取思考时间，也显得你在乎精确。诚实 + 会推理 + 会提问，这本身就是 Agent 工程师最值钱的素质。
L07
今日小结 + 动手 10 分钟
🧠 今天你应该能脱口而出
- 概念题万能结构：一句话 → 为什么 → 取舍 → 例子。
- RAG 是什么、为什么、六步、切块/embedding/检索优化的取舍。
- 上下文窗口 = 办公桌；lost in the middle；长历史怎么压缩。
- 幻觉为什么产生、3 招以上怎么防、用 faithfulness 量化。
- Function Calling 真实流程(模型只决定不执行)、MCP 是统一外挂协议。
- Agent vs 一问一答、ReAct、为什么评测最重要、LLM-as-Judge 的坑。
✋ 动手 10 分钟：给自己录一份"口述答案"
别只看不练——概念题是"说"出来的。挑今天 3 道你最没底的卡，盖住答案，用手机录音，把答案讲一遍(每题 30～60 秒)，再回放对照得分点，把漏掉的补上。可以照这个自测清单打勾：
# 面试概念题·自测清单（打钩就算过关，讲不顺的回看对应 Day）
[ ] Q1 RAG 是什么 & 为什么 （Day21）
[ ] Q2 chunking 切太大/太小的问题 （Day22）
[ ] Q3 embedding 为什么能语义检索 （Day23/25）
[ ] Q4 检索不准怎么优化/rerank （Day26/27）
[ ] Q6 lost in the middle 怎么应对 （Day18）
[ ] Q9 减少幻觉的 3+ 招 （Day21/53）
[ ] Q11 Function Calling 真实流程 （Day29）
[ ] Q13 MCP 是什么 & 与FC关系 （Day31）
[ ] Q14 Agent vs 一问一答 （Day33）
[ ] Q16 为什么评测最重要 （Day49/51）📝 举个例子：把答案"绑"到你的项目上
每道题答完，强行加一句"我在 ___ 项目里就是这么做的"。比如答完 RAG，接："我的知识库助手就是切块入库、带出处回答的。"——概念+自己的项目=面试官最想听的组合，比纯背概念高一个档次。回看 Day 62～64 的三个作品集，正好一一对应这些概念。
明日预告 · Day 68（收官🎓）：概念题过关后，明天挑战更硬的系统设计题——"设计一个客服/文档 Agent"该怎么答(需求澄清→架构→检索/工具→评测→成本→上线的框架)。然后是68 天全程大复盘，给你一份下一步行动清单(投递策略 + 持续学习)，正式毕业！坚持到这儿，你已经很了不起了。