← 返回首页 📖 📖 Wiki知识库
📐 学习维度 本篇是 📖 📖 Wiki知识库 🏠 首页 🛤️ 学习路径 📚 全部文章

2026面试六大前沿热点速查 - 四、AI Agent / MCP协议 / RAG 面试题

本文是 2026面试六大前沿热点速查 的分章阅读版。

四、AI Agent / MCP协议 / RAG 面试题

Q1: MCP协议的核心架构和传输方式?

答案要点:

Q2: Agent Loop是什么?和普通工作流有什么区别?

答案要点:

Q3: RAG召回率低怎么排查?

答案要点:

1. 文档解析层:PDF/Word是否正确提取文本?表格/图片是否丢失?

2. Chunk策略:切分粒度是否合理?是否破坏了语义完整性?

3. Embedding质量:向量模型是否适合中文/专业领域?

4. 检索策略:是否使用Hybrid Search(向量+关键词)?

5. 排序优化:是否引入Rerank模型对候选结果重排序?

6. Query Rewrite:用户query是否需要改写/扩展?

Q4: Function Calling和MCP有什么区别?

答案要点:

Q5: Agent的Memory怎么设计?

答案要点:

Q6: RAG进化路线:Naive → Advanced → Self-RAG → CRAG → GraphRAG → Agentic RAG?

答案要点:

模式核心机制适用场景面试区分度
Naive RAG检索+拼接+生成简单FAQ入门级
Advanced RAG+Query改写+Rerank+Hybrid Search企业知识库主流要求
Self-RAG模型自评估检索质量→决定是否再检索高准确率要求(医疗/金融)高
CRAG(Corrective)检索质量差→自动纠正→Web搜索兜底检索源不稳定高
GraphRAG知识图谱+多跳推理→实体关系遍历复杂关系推理(法律/医疗)很高
Agentic RAGAgent自主规划检索策略→多步检索+推理复杂多步任务最高

Q7: 2026主流AI Agent框架怎么选?

答案要点:

框架语言生产就绪度特点月搜索量
LangGraphPython#1状态管理强,图式编排27,100
Claude Agent SDKTS/Python#2Anthropic官方,安全优先新增
CrewAIPython#3角色式Agent,易上手14,800
AutoGenPython#4-5Microsoft,多Agent对话研究8,200
Spring AI AgentJava企业级Java生态,企业集成友好增长中


相关页面