AI架构师面试题库（核心题库必背）

AI架构师面试题库第1页共1页AI架构师面试题库解决「面AI架构师问不出真本事、评分全靠感觉」：43题覆盖基础认知·实操应用·项目追问·风险避坑·开放思辨，每题附参考答案与追问链，含评分表与红旗信号使用说明一、题库定位本题库用于AI架构师岗位的结构化面试，共43题，覆盖基础认知、实操应用、项目经验、风险避坑、开放思辨五类。题库的核心目的不是考"知不知道"，而是考"能不能在约束下做取舍"。因此所有题目都要求候选人给出具体数字、具体顺序、具体代价，凡只给结论不给过程的回答，一律按低分处理。适用岗位层级：L1（单域架构师）至L3（首席架构师）。L1可只抽基础题与实操题；L2以上必须完整走完五类，且项目经验题要追到第三层。不适用于：纯算法岗、纯售前岗、AI产品岗的面试。本岗与这三类岗的考察重点有本质差异，混用会招错人。二、题目结构与建议用时类别题量建议用时考察目的通过线一、基础认知1125分钟概念是否清晰，边界是否分明答对7题以上二、实操应用940分钟能否落地，是否有可执行步骤至少3题达到4分三、项目经验745分钟是否真做过决策，追问是否露馅至少2题达到4分四、风险避坑925分钟有没有踩过坑，有没有预案至少5题达到3分五、开放思辨720分钟判断力与表达，是否有独立观点至少3题达到4分合计43约155分钟—分两场进行分场建议：第一场（基础+实操，65分钟）由同级或高一级架构师主持；第二场（经验+风险+思辨，90分钟）由架构委员会2～3人共同参与，其中一人专职记录追问链。三、评分锚点（1～5分）分值通用判定标准典型表现5超出岗位要求主动指出题目预设的错误，给出两条以上可行路径并比较代价4达到L2要求结论明确，有数字，能说清放弃了什么3达到L1要求思路正确，但数字模糊或遗漏关键约束2低于岗位要求只有概念复述，无法落到动作1明显不合格答非所问，或使用大量无法验证的绝对化表述评分纪律：面试官须在评分后立刻写下"关键证据"（候选人原话或具体数字），不接受事后凭印象打分。没有证据的4分以上评分视为无效。四、面试官注意事项1.不要问"你了解XX吗"。这类问题只能得到"了解"，得不到信息。改成"你上次用XX解决了什么问题，代价是什么"。2.追问必须落到数字。候选人说"成本降低了很多"，追问"从多少降到多少，按什么口径"。答不上来即为2分。3.区分"参与"与"决策"。很多人参与过架构项目，但没做过决策。判断方法是问"当时有两个方案，谁拍的板，为什么"。4.允许说"不知道"。架构领域变化快，坦率承认边界比硬答加分。对"不知道但知道怎么查"的回答给3分。5.警惕完美答案。背过的答案通常结构完整但缺少代价描述。真实做过的人一定会提到"这里当时踩了坑"。6.控制单题时长。基础题不超过2分钟，项目经验题可到6～8分钟，超时即打断并转入下一题。7.两人独立评分。第二场建议两位面试官独立打分后再合议，避免相互影响。一、基础认知题（11题）Q1.你怎么划分AI架构师与大模型算法工程师的工作边界？参考答案要点：1.架构师决定"要不要训、训到什么程度、边界在哪"，算法工程师负责实现与调优。2.架构师的产出是ADR、选型矩阵、分层设计、成本模型；算法工程师的产出是权重、训练配置、评测报告。3.架构师对"这条路三年后还成不成立"负责，算法工程师对"这个模型在这个场景的效果"负责。4.交界点在评审：架构师定验收门槛，算法工程师对达标方式有完全自主权。追问：如果算法工程师认为架构师定的路线不可行，流程上怎么处理？Q2.什么情况下不应该用大模型？参考答案要点：1.规则可穷举且稳定的场景，用规则引擎成本低一个数量级，且结果可解释。2.要求100%确定性的场景（金额计算、库存扣减），模型只能做辅助，不能做判定。3.调用量极小且人工可覆盖的场景，投入产出不成立。4.数据完全无法合规使用的场景。5.错误代价极高且无法人工复核的场景，例如直接对外的法律意见。追问：你实际否决过哪个需求？理由是什么？Q3.RAG、微调、Agent三条路线，你按什么顺序判断？参考答案要点：1.先问知识是否高频变化：会变则优先RAG，因为更新成本差两到三个数量级。2.再问行为是否需要固化：需要固定格式、固定判断规则则考虑微调。3.再问是否需要多步执行与外部工具：需要则考虑Agent编排。4.最后看错误代价：代价高则在链路上插入人工确认，而不是换更强的模型。5.三者常组合，但单场景应只有一条主路线，否则无法归因。追问：如果一个场景既需要最新知识又需要固定格式，你怎么排优先级？Q4.上下文窗口越来越大，是不是就不用做上下文管理了？参考答案要点：1.窗口变大不等于有效利用变强，长上下文普遍存在中段信息衰减。2.成本随输入线性上升，塞满窗口的账单可能是精简后的5～10倍。3.时延随输入增长，首字时延会明显变差。4.噪声片段会稀释关键信息，召回质量下降。5.正确做法是预算分配加压缩策略，窗口只是上限不是目标。追问：你怎么验证"长上下文里中段信息被忽略了"？Q5.为什么坚持模型SDK只能出现在能力层？参考答案要点：1.换模型的改造成本从"改N处"降到"改1处"，实测差异可达10人日以上。2.成本统计、限流、重试、降级这些横切逻辑只能在一处实现，否则永远做不全。3.合规留痕需要统一入口，散落的调用无法保证字段齐全。4.可用静态扫描验证，是可执行规则而不是口号。追问：如果团队赶工期偷偷直连了，你怎么发现，怎么处理？Q6.多模型路由的收益和代价分别是什么？参考答案要点：1.收益主要来自把高频低价值请求分流到小模型，典型可降50%～80%成本。2.代价一是误判，复杂请求被分到小模型导致体验下降；二是维护成本，规则需要持续调优。3.必须配抽样复核机制，用人工评分反向校准路由阈值。4.路由比例应来自真实意图分布统计，不能拍脑袋。追问：路由误判率控制在多少可以接受，依据是什么？Q7.检索环节，业务上应该看召回率还是准确率？参考答案要点：1.先看召回，因为召回不到时，后面再强的模型也只能编。2.实践中看TopK召回率（如Top5命中率），再看重排后的首位命中率。3.准确率低通常表现为"答了不相关内容"，可通过阈值过滤与重排改善。4.两个指标要分场景看，精确编号类查询对首位命中要求极高。追问：怎么构造一个能测召回率的测试集？Q8.量化和蒸馏对架构决策意味着什么？参考答案要点：1.量化主要降显存与单位成本，通常精度损失可控，是自部署的默认选项。2.蒸馏能显著降时延与成本，但需要教师模型与训练投入，属于中期手段。3.两者都会改变能力边界，必须重新跑黄金集，不能沿用原模型的评测结论。4.架构上要保证"换精度版本"不改业务代码，仍走能力层配置。追问：什么情况下你会选择蒸馏而不是直接用小模型？Q9.你如何度量一套AI系统的"可替换性"？参考答案要点：1.换模型所需人日（优秀≤1人日，可接受≤10人日）。2.换模型后需要重跑的评测范围与耗时。3.有多少业务代码直接依赖模型特有输出格式。4.是否有已验证的备选供应商，以及切换演练记录。5.数据与提示模板是否与模型解耦。追问：你上一次做切换演练是什么时候，结果如何？Q10.为什么单位成本要用三个口径？参考答案要点：1.元/千次调用用于技术方案对比，元/万token用于模型对比，元/活跃用户/月用于业务与财务沟通。2.单一口径会被选择性使用，例如只报token单价掩盖重试浪费。3.三口径必须能相互勾稽，误差超过5%说明有一本账是错的。4.浪费系数（重试、灰度、评测）必须显式计入，通常为1.15～1.3。追问：如果三个口径对不上，你先查哪一本账？Q11.供应商锁定是怎么一步步形成的？参考答案要点：1.先是直接调用SDK，业务代码依赖其特有参数与返回结构。2.再是把提示模板写死成该模型的风格，换模型后效果明显下降。3.然后是数据格式与其工具调用协议绑定。4.最后是商务上拿到折扣，迁移的经济动机消失。5.破解办法是抽象能力层、保持双供应商常态验证、在合同中约定停服预告与数据导出。追问：你现在所在的公司，锁定程度打几分（1～5），为什么？二、实操应用题（9题）Q12.日请求20万次，平均输入3000token、输出400token，月预算15万。请设计分层方案并算出成本。参考答案要点：1.先算全量旗舰：按示例单价输入30元/百万token、输出90元/百万token，日成本约2.52万元，月成本约75.6万元，远超预算。2.按意图分布分层：查询类70%走小档，多轮与结构化25%走中档，复杂推理5%走旗舰。3.分层后日成本约3400元，月成本约10.2万元，加25%缓存命中可降至约8.3万元。4.必须同时给出效果代价：黄金集通过率下降约1分，路由误判影响约3%请求。5.给出复核触发条件，例如小档抽检合格率低于90%时自动下调其流量占比。追问：如果预算只有8万，你还砍哪一块？Q13.请设计一套降级链，并说明怎么验证它真的有效。参考答案要点：1.三级：同档备选模型→低档模型→规则兜底加转人工。2.触发条件要可观测：连续错误率超阈值、首字时延超阈值、供应商返回限流码。3.切换时延目标30秒内，靠健康探测加熔断器实现，不靠人工切换。4.验证方式是演练：手工摘除主模型，观察切换时延、业务可用性、用户提示、成本是否异常。5.演练每季度一次，记录留档，未演练的降级链视为不存在。追问：降级期间如果低档模型也被限流，怎么办？Q14.知识库里有三个版本的政策同时存在，检索经常答旧规，你怎么改架构？参考答案要点：1.给每个片段加生效日期、失效日期、版本号三个元数据字段。2.检索时按当前日期过滤，只召回有效版本。3.重建索引，旧版本保留但标记为归档，不参与默认检索。4.缓存key加入知识版本号，避免旧答案被缓存命中。5.补一条回归样本："问三个月前的政策应如何回答"，明确产品预期是答现行还是答历史。追问：如果用户明确问"去年的规定是什么"，架构上怎么支持？Q15.老板要求"回答准确率95%"，你怎么把它变成可验收的指标？参考答案要点：1.先定义分母：哪些请求计入统计，空回答、转人工是否计入。2.再定义"准确"：要点完整率、事实正确率、格式合规率，三者分开测。3.再定场景权重：高价值场景权重高，不能用一个平均数掩盖短板。4.给出目标值与下限值，并明确未达标时的处置（迭代或止损）。5.明确评测集来源与评分人，避免自测自评。追问：如果业务方坚持要一个数字，你给哪个数字，怎么解释它的局限？Q16.你会要求记录哪些埋点字段，为什么是这些？参考答案要点：1.链路类：request_id、租户、场景。2.版本类：模型名与版本、提示模板版本、检索索引版本。3.检索类：命中片段ID列表、召回分数、是否重排。4.计量类：输入输出token数、单位成本、是否命中缓存。5.质量类：首字与总时延、是否降级、用户反馈。6.判断标准是"能否在5分钟内还原一次回答的完整生成过程"。追问：字段这么多，存储成本怎么控？Q17.要把主模型从A换成B，请给出迁移步骤与人日估算。参考答案要点：1.第一步确认能力边界：用黄金集跑B，看分场景差异，重点看长尾与格式。2.第二步改配置而非改代码：在能力层切换，验证业务无感。3.第三步灰度10%流量48小时，观察负反馈、时延、成本三项。4.第四步全量与回滚预案并行准备，保留A的调用能力至少一个月。5.第五步更新ADR与成本模型，记录切换原因与触发条件。6.人日估算：有分层设计的系统约3～5人日；直连的系统约10～15人日。追问：如果B在某一个场景明显更差，你怎么处理？Q18.设计一个Agent的工具准入与熔断机制。参考答案要点：1.工具分级：查询类允许自主，提交类需确认，变更类需双人复核，资金类禁止自主。2.工具白名单按场景配置，未登记的工具不可调用。3.三重熔断：最大步数8～12步、单任务最大成本、单任务最大时长。4.超限后中止并转人工，同时记录中止原因用于优化。5.全量记录工具调用参数与返回，便于事后审计。追问：如果业务方要求"自动退款"，你怎么拒绝又不显得死板？Q19.存量系统里有37处直接调用模型SDK，你怎么治理，排期多久？参考答案要点：1.先量化利息：每次换模型多耗约12人日，一年换一次即12人日，加上无法统一限流与统计。2.建能力层接口，先做兼容封装，让旧调用可平滑迁移。3.加静态扫描脚本进CI，禁止新增直连，先止住增量。4.按调用量排序，先迁Top10，覆盖80%流量。5.排期参考：37处约6～8周，两人投入，可与日常需求并行。追问：迁移过程中如果某处逻辑特殊无法封装，怎么办？Q20.某月成本突然上涨40%，你的排查顺序是什么？参考答案要点：1.先看量：调用量是否上涨，区分真实业务增长与重试风暴。2.再看价：单价是否变化（供应商调价、档位变更）。3.再看结构：路由比例是否漂移，小档流量是否被误判到旗舰。4.再看长度：平均输入token是否上涨（检索K值变更、历史未摘要）。5.最后看浪费：灰度双跑、评测调用是否计入生产账。6.定位后用"量价结构"四象限归因，写进月度成本报告。追问：如果四项都正常，你下一步查什么？三、项目经验题（7题）Q21.请讲一次你主导的模型选型，从候选到定稿的完整过程。追问链：1.第一层：当时有几个候选，权重怎么定的，谁签的字？2.第二层：任务能力这一项的分数是怎么来的，测了多少条样本？3.第三层：被放弃的方案，你当时写的理由是什么，现在回看还成立吗？4.第四层：如果今天重做，你会改哪个权重，为什么？5.第五层：这个选型有没有留下复核触发条件，触发过吗？评分要点：4分以上须能说出权重依据、样本量、放弃理由的具体表述；5分须能指出自己当时的判断偏差并说明修正逻辑。红旗：只说"对比了几个模型最后选了这个"，说不出样本量与权重来源；把选型描述成"领导定的"。Q22.请讲一次你主导的成本优化，降了多少，代价是什么。追问链：1.第一层：优化前的单位成本是多少，按什么口径算的？2.第二层：降本手段用了几种，各贡献多少个百分点？3.第三层：效果掉了多少，怎么验证的，业务方接受吗？4.第四层：有没有出现"省了钱但投诉变多"的情况，怎么处理的？5.第五层：这套降本方法现在还在用吗，有没有固化成机制？评分要点：必须能拆解各手段的贡献占比；必须主动提代价；只讲降幅不讲代价的最高3分。红旗：数字全是整数（"降了50%"）且无测算过程；把"换了便宜模型"当成全部答案。Q23.请讲一次架构迁移，例如换模型、换供应商、或从单体转分层。追问链：1.第一层：迁移的直接触发是什么，是成本、合规还是能力？2.第二层：迁移前业务代码里有多少处依赖，怎么盘的？3.第三层：灰度怎么做的，观察了多久，看哪几个指标？4.第四层：迁移期间出过什么问题，回滚过吗？5.第五层：迁移后"下次再换"的成本降到多少？评分要点：4分须有灰度方案与回滚记录；5分须能给出迁移前后的人日对比。红旗：说"一次性切完，没出问题"；说不出依赖清点方法。Q24.请讲一次你负责的系统出的线上故障。追问链：1.第一层：故障现象是什么，谁先发现的？2.第二层：从发现到定位花了多久，靠什么定位的？3.第三层：根因在模型、检索、工程还是供应商？4.第四层：如果当时有哪个埋点，能快多少？5.第五层：事后补了什么机制，现在还有效吗？评分要点：4分须能清楚区分故障层级；5分须能把故障转化为一条可执行的监控或门禁规则。红旗：把故障归因为"模型不稳定"而不深究；说不出发现时长。Q25.请讲一次你否决掉的AI需求。追问链：1.第一层：需求是什么，谁提的，为什么想做？2.第二层：你用什么依据否决的，算过账吗？3.第三层：对方接受了吗，你怎么沟通的？4.第四层：有没有给出替代方案？5.第五层：后来这个需求有没有以别的形式回来？评分要点：4分须有量化依据；5分须给出替代方案且被采纳。红旗：从不否决需求；或否决但说不出依据，只说"技术上不可行"。Q26.请讲一次你推动跨团队技术规范落地的经历。追问链：1.第一层：规范内容是什么，涉及几个团队？2.第二层：最初阻力在哪，谁反对，理由是什么？3.第三层：你怎么让他们接受，用了数据还是用了权力？4.第四层：怎么保证执行，有没有卡口？5.第五层：现在覆盖率多少，有没有回潮？评分要点：4分须有卡口机制（CI、评审清单）；5分须能说出阻力方的真实顾虑并针对性解决。红旗：靠发文档推动；说不出覆盖率。Q27.请讲一次你的技术判断错了的经历。追问链：1.第一层：当时的判断是什么，依据是什么？2.第二层：什么时候发现错了，什么信号？3.第三层：错了之后怎么止损，花了多少代价？4.第四层：错在信息不足还是判断方法？5.第五层：现在你的决策流程有什么变化？评分要点：4分须能诚实归因；5分须能说清"错在方法"而非"错在运气"，并给出流程改进。红旗：说"没做错过"；把错误全部归因于外部变化。四、风险与避坑题（9题）Q28.业务方要求"必须100%准确"，你怎么应对？参考答案要点：1.先拆分：哪些子场景可以做到接近100%（如查询类，可用规则兜底），哪些不可能（开放问答）。2.用错误代价分层：高代价场景改为"AI给建议+人做决定"，把100%的要求转成流程要求。3.给出可验收的替代指标：关键字段准确率、转人工率、投诉率。4.书面记录预期，避免上线后扯皮。追问：如果对方是老板，且不接受替代指标呢？Q29.供应商突然涨价50%，你的动作顺序是什么？参考答案要点：1.先核实范围：是全档涨价还是特定档位，是否影响存量合同。2.立即启动成本三招：压浪费系数、调路由比例、启用缓存。3.评估切换：用已验证的备选跑黄金集，看效果差距。4.商务谈判：用量承诺换折扣，或分批迁移争取时间。5.复盘：为什么没有提前设价格波动的复核触发条件。追问：如果备选模型效果差3分，你还切吗？Q30.监管要求数据不出境，但你要用的模型只有公有云版，怎么办？参考答案要点：1.先做数据分级，确认是否真的涉及不能出境的类别，很多场景只是"以为不能"。2.能脱敏的做脱敏，脱敏后可用公有云；不能脱敏的走私有化模型。3.架构上做混合路由：敏感请求走本地，非敏感走云端。4.若必须全本地，则接受能力上限下降，并调整产品预期与验收标准。5.所有结论需安全合规书面确认。追问：混合路由下，怎么保证两边的回答风格一致？Q31.算法团队坚持要微调，你认为RAG就够，怎么处理？参考答案要点：1.不辩论，做对照实验：同一批200条真实请求，两条路线各跑一遍。2.明确比较维度：效果、更新成本、上线周期、运维复杂度。3.特别算更新成本：知识月更时，微调每次重训的成本是RAG的数十倍。4.用数据说话，谁的主张谁举证。5.若效果差距在2分以内且知识高频变化，选RAG。追问：如果实验结果支持微调，但成本高3倍，你怎么决策？Q32.上线前一周发现没有回归集，怎么办？参考答案要点：1.先止血：从近30天线上请求分层抽300条，两天内建最小可用集。2.明确这只是"临时集"，一个月内补齐到500条并分层。3.本次上线降低变更幅度，只上一个改动，便于归因。4.上线后加密人工抽检频率，前两周每天100条。5.把"无回归集不得上线"写进上线评审清单。追问：300条够不够，你怎么判断？Q33.业务量预估错了3倍，架构撑不住，怎么补救？参考答案要点：1.先保核心：按场景价值排序，低价值场景限流或降级。2.立刻扩容：API侧提配额，自建侧加副本，优先保时延。3.启用缓存与批处理，把重复请求挡在前面。4.中期改架构：加路由分流、异步化非实时请求。5.复盘预估方法：是否只听了业务方口述，没有做历史数据外推。追问：限流时怎么决定先砍谁？Q34.模型输出被直接用于对外承诺（价格、时效），有什么风险，怎么设计？参考答案要点：1.这类输出属于高风险，必须从"生成"改为"检索+模板"，不让模型自由组织数字。2.关键数字必须来自结构化数据源，且带校验。3.输出前加规则校验，数字不在白名单内则拦截转人工。4.全量留痕，可追溯到具体数据版本。5.明确责任：AI不对外承诺，承诺由人确认。追问：如果业务坚持要自动化以提升效率呢？Q35.采购指定了一家供应商，但技术评估不是最优，你怎么做？参考答案要点：1.先确认指定是否基于商务因素（价格、战略合作），这是合法考量。2.把技术风险量化成书面材料：能力差距、切换成本、停服风险。3.争取"主+备"结构：指定供应商为主，保留一个技术备选。4.要求合同层面保障：SLA、停服预告、数据导出、价格调整上限。5.记录决策过程，明确风险由决策方承担。追问：如果连备选都不允许呢？Q36.团队只有2个人，却要求做五层架构，你怎么取舍？参考答案要点：1.层可以合并，规则不能省。最小可行是三层：接入、能力、数据。2.保留三条硬规则：模型SDK只在能力层、埋点统一、有降级开关。3.治理层先用脚本和看板替代平台，不建系统。4.明确哪些是"现在不做但预留接口"，写进演进路线图。5.向业务方说明：不是不做，是分期做，并给出触发条件。追问：三条硬规则里，如果只能保一条，保哪条？五、开放思辨题（7题）Q37.三年后基础模型能力大幅提升，RAG还有必要吗？评分要点：●高分答案会区分"能力"与"事实来源"：模型再强也不能保证事实正确与可追溯，RAG解决的是知识供给与引用问题，不是能力问题。●会指出RAG的形态会变（从向量检索到更复杂的检索编排），但"外部知识注入"这件事不会消失。●会补充成本视角：长上下文全量塞入在经济上不成立。●低分答案只会说"有必要，因为模型会幻觉"，缺乏结构性判断。追问：如果上下文窗口变成1000万token且价格降到现在的百分之一呢？Q38.架构师该不该写代码？评分要点：●高分答案会区分"业务代码"与"验证性代码"：不写业务代码，但必须写POC、压测脚本、扫描脚本。●会说明原因：长期不碰代码会失去可行性判断力，容易被下属的方案忽悠。●会给出比例建议，例如20%～30%时间用于验证性编码。●低分答案会走极端：要么"架构师就该只画图"，要么"不写代码的架构师都是骗子"。追问：你最近半年写的验证性代码是什么，结论是什么？Q39.开源模型与闭源API的边界会怎么移动？评分要点：●高分答案会从三个变量判断：能力差距、单位成本、合规要求。●会指出趋势不是单向的：开源在追赶能力，闭源在压低价格，边界随场景而变。●会给出可操作结论：保持双轨验证，每半年重跑一次对比。●低分答案只会说"开源会赢"或"闭源更强"，没有条件限定。追问：什么信号出现时，你会把主力从闭源切到开源？Q40.多Agent是趋势还是过度设计？评分要点：●高分答案会给出判断条件：单任务步数是否经常超过12步、是否需要并行、子任务是否可独立验证。●会指出多Agent的真实代价：协调开销、成本不可控、调试困难、错误传播。●会给出现实建议：先优化单Agent的工具与提示，达不到再拆。●低分答案会追热点或全盘否定，缺少条件判断。追问：你见过的最失败的多Agent设计是什么样的？Q41.成本与效果冲突时，你按什么原则决策？评分要点：●高分答案会先分层：核心场景保效果，边缘场景保成本，不做一刀切。●会引入"错误代价"作为调节变量：错