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。
一个 AI 请求从前端到模型服务通常经过哪些服务层和数据流转？
完整链路通常包含身份与配额、会话编排、上下文构造、模型网关、流式传输和审计，任何一层都可能改变结果。
AI 服务端架构与数据流AI全栈中频题
如何设计会话、消息、模型调用记录和用量记录的数据结构？
数据模型要支持多轮上下文、版本、重试、审计和计费，不能只设计一张 conversation_text 表。
AI 服务端架构与数据流AI全栈中频题
模型调用为什么通常需要异步任务、队列或事件，而不能一直占用同步请求？
长生成、批处理、文件解析和 Agent 流程可能超过 HTTP 生命周期，应将任务状态与实时反馈分离。
AI 服务端架构与数据流AI全栈中频题
如何实现 AI 请求的幂等、取消、超时和客户端断开传播？
这些控制要贯穿 API、任务、模型网关和工具执行器，不能只在浏览器设置一个超时。
AI 服务端架构与数据流AI全栈中频题
长任务的任务状态接口、进度事件和结果存储应该怎样设计？
任务状态接口提供可恢复事实，进度事件改善实时体验，结果存储保存最终版本，三者应有清晰职责。
AI 服务端架构与数据流AI全栈中频题
多模型路由应该按能力、成本、延迟、区域和数据策略怎样决策？
路由是策略决策，不是简单的随机负载均衡；必须先判断任务能力和数据合规，再优化成本与延迟。
AI 服务端架构与数据流AI全栈中频题
如何隔离租户配额、模型预算、并发限制和供应商级限流？
配额要在租户、用户、任务、模型和供应商多个维度统一扣减，避免单个租户或重试风暴耗尽公共资源。
AI 服务端架构与数据流AI全栈中频题
AI 服务的缓存应该缓存什么，如何避免把个性化或敏感结果错误共享？
缓存适合复用确定、可公开或明确隔离的结果；会话、权限和个性化输出必须把身份、版本和数据边界纳入 Key。
AI 服务端架构与数据流AI全栈中频题
Webhook、队列和模型回调出现重复或乱序时，服务端怎样保证状态正确？
接收端要验签、去重、按版本或序列处理，并把外部事件转换成自己的幂等状态更新。
AI 服务端架构与数据流AI全栈中频题
如何从一次线上错误回答追踪到请求、Prompt、检索片段、模型版本和最终输出？
需要端到端关联 ID、结构化事件和可控数据快照，才能把“模型答错了”还原成可定位的链路问题。
AI 服务端架构与数据流AI全栈中频题