✍️作者：王文峰（外号：神秘小峯 / 山峯）｜中国国学、传统文化与代码爱好者的程序人生，期待你的关注和支持！AI 应用工程师面试准备重点：RAG 全链路、向量库选型、SSE 流式输出、Function Call、vLLM 连续批处理、Agent 与评估体系【七大高频题+答题模板+落地代码】一、先说结论：AI 应用工程师面试到底在考什么二、RAG 全链路流程：每个环节怎么优化召回、减少幻觉2.1 一次 RAG 提问的完整链路2.2 每个环节的优化手段（面试加分点全在这）2.3 减少幻觉的"三板斧"（面试必背）三、向量库选型对比：PgVector 到底适合什么场景3.1 主流向量库横向对比3.2 PgVector 适合什么场景（这题被问最多）四、SSE 流式输出原理 + Java 对接实战4.1 原理：SSE 是什么4.2 Java 对接：Spring Boot 3 两套写法五、Function Call 原理 + 提示注入防护5.1 原理：模型不执行函数，只是"翻译官"5.2 提示注入（Prompt Injection）怎么防六、vLLM 为什么快：PagedAttention + Continuous Batching6.1 两个核心优化6.2 一张表说清差异七、Agent 和 RAG 的区别：什么时候用哪个八、怎么评估一个 AI 应用的好坏8.1 五维指标体系8.2 评估方法三板斧九、面试速记卡（考前 5 分钟扫一遍）十、写在最后🎯 学习教程（传送门）🔥 往期文章🎉 一键三连一、先说结论：AI 应用工程师面试到底在考什么2026 年的 AI 应用工程师面试，早已从"会调 API"升级为**“能把大模型稳定、安全、低成本地落进业务系统”**。面试官最爱问的七个高频点，正好构成一条完整的技术链路：高频题考察本质一句话答题模板RAG 全链路流程端到端工程能力切片、向量化、召回、重排、生成、回填引用，每一环都能优化向量库选型 / PgVector技术选型判断力百万级数据 + 已有 PG + 要事务关联，PgVector 是性价比之王SSE 流式输出后端落地细节HTTP 长连接单向推送，Java 用 SseEmitter / WebFlux 对接Function Call / 提示注入安全与架构意识