面试题：AI全栈
AI 全栈工程师岗位相关的 AI 应用开发、Agent 工作流、模型接入和产品落地面试准备。
AI 应用中的 Prompt Injection、越权访问和数据泄露分别可能从哪里发生？
三类风险可能相互叠加：不可信文本影响模型行为、权限校验遗漏造成越权、日志或输出把敏感数据带出边界。
安全、隐私与合规AI全栈中频题
为什么不能把模型输出当作可信指令或直接拼接进 SQL、Shell 和 HTML？
模型输出具有不确定性和可被输入影响的特征，必须按不可信输入处理，并经过语法、权限和副作用校验。
安全、隐私与合规AI全栈中频题
用户输入、检索文档、工具返回值和系统指令应怎样做信任分层？
不同来源只代表不同可信度和用途，不是把某个字段标成 system 就能自动安全；执行权仍要在程序边界。
安全、隐私与合规AI全栈中频题
Agent 执行写操作、发消息、付款或删除数据前应如何设计确认机制？
高风险动作要让用户确认具体、当前且可验证的执行计划，并在确认后重新校验资源状态。
安全、隐私与合规AI全栈中频题
如何防止跨租户检索、会话串读和引用内容越权？
租户隔离要从身份到数据、缓存、异步任务和展示链接全链路执行，不能只在页面筛选列表。
安全、隐私与合规AI全栈中频题
API Key、用户数据、Prompt 和模型输出分别应怎样脱敏、存储和保留？
不同数据的用途、泄露影响和保留理由不同，应分别制定密钥管理、访问控制、加密和删除策略。
安全、隐私与合规AI全栈中频题
第三方模型供应商的数据保留、训练使用和区域处理策略应怎样核验？
不能只看 SDK 或宣传页面，要核对合同、官方政策、账户配置、API/产品差异和实际区域，并将结论映射到数据分类。
安全、隐私与合规AI全栈中频题
如何对上传文件、网页内容和代码仓库做恶意内容隔离与内容安全检查？
外部内容既可能包含恶意文件和脚本，也可能包含提示注入；解析、索引、展示和执行要分层隔离。
安全、隐私与合规AI全栈中频题
模型输出中的个人信息、版权内容和高风险建议应如何处理？
输出治理要按内容类型和风险决定拦截、脱敏、引用、免责声明、人工复核或拒答，不能一律放行或一律屏蔽。
安全、隐私与合规AI全栈中频题
AI 功能上线前应怎样做威胁建模、权限审计和安全回归？
上线前要把数据流、资产、信任边界、攻击路径和控制措施写清，并用自动化与人工测试验证控制确实生效。
安全、隐私与合规AI全栈中频题