PRACTICE / QUESTIONS
专项题库
按技术方向选择题库。客观题提交后查看评分与解析,简答题可对照参考答案。
全部方向 · 89 个题库
JavaScript 核心机制
覆盖 JavaScript 面试与实战中最高频的核心机制:TDZ 与作用域、闭包、this 绑定与箭头函数、事件循环与微任务、Promise 组合方法与 async 错误处理、原型链与 class、深浅拷贝、类型转换陷阱、内存泄漏、ESM 与 CommonJS,并含 debounce 与 Promise.all 两道手写题。考点覆盖参考 lydiahallie/javascript-questions、30-seconds/30-seconds-of-interviews 与 yangshun/front-end-interview-handbook(均为 MIT),题干、答案与提示为中文原创。
Java 与 Spring Boot 核心
覆盖 Java 后端与 Spring Boot 的高频考点与真实工程判断:自动配置与 Starter 机制、事务代理失效与传播行为、单例 Bean 的线程安全、循环依赖、集合并发问题、equals 与 hashCode 约定、N+1 查询、线程池参数、OOM 排查、接口幂等与可靠异步通知设计。本题单为完全原创,未取材于任何第三方题库。
机器学习基础与工程判断
覆盖机器学习的核心概念与工程判断:过拟合与偏差方差诊断、正则化与特征缩放、数据泄漏的四种形态、交叉验证的正确用法、不平衡数据的指标与处理、ROC-AUC 与 PR-AUC 的选择、集成学习、缺失值处理,以及从问题定义到 A/B 验证的完整项目流程。考点覆盖参考 alirezadir/Machine-Learning-Interviews 与 microsoft/AI-For-Beginners(均为 MIT),题干、答案与提示为中文原创。
生成式 AI 与大模型基础
覆盖生成式 AI 的核心概念:Transformer 与自注意力、token 与上下文窗口、采样参数、嵌入向量、幻觉成因与治理、function calling、RAG 与微调的取舍、小模型与开源模型选型,以及 LLM 应用的评估与安全边界。考点覆盖参考 microsoft/generative-ai-for-beginners(MIT)的课程大纲,题干、答案与提示为中文原创。
提示工程实战
覆盖提示工程的主流技法与工程判断:思维链与其适用边界、自洽性采样、提示链与任务拆解、ReAct、思维树、few-shot 示例设计、结构化输出契约、定界符与提示注入防御、PAL 工具优先原则、自我批评的正确用法,以及以评估集驱动的提示迭代方法。考点覆盖参考 dair-ai/Prompt-Engineering-Guide(MIT),题干、答案与提示为中文原创。
RAG 与 AI Agent 工程
面向真正要上线的 LLM 应用:切块与混合检索、查询改写与重排、权限前置过滤、引用与拒答的提示设计、RAG 分层评估;Agent 侧覆盖与工作流的选型边界、工具定义、记忆分层、幂等与重试、预算与终止条件、可观测与逐步放权的落地路径。考点覆盖参考 microsoft/generative-ai-for-beginners 与 dair-ai/Prompt-Engineering-Guide(均为 MIT),题干、答案与提示为中文原创。