如果你要应聘大模型应用开发工程师的话，面试官会根据你的技术栈和简历项目去问一些基础八股，如果你的技术栈和简历项目写了python的话，那么问python八股的概率会非常大。以下是一些本人求职中遇到的问题总结，整理成面经仅供参考。（问题是本人面试遇到的问题，答案是AI生成以后自己简化的）需要注意的是，现在面经很多是AI生成的，非常术语化和标准化，仔细想想，你是面试官。你要面试的是什么人？能进来干活的

迭代器是惰性遍历的对象（有__iter____next__生成器是用 yield 写迭代器的最简单方式——边用边算，不占内存。：生成器是惰性求值——每次 next 才计算一个值，内存占用 O(1)。处理大文件/大数据流时用生成器逐行读，而不是 readlines 全部加载。在我的理解里，。它们的核心价值不是“省代码”，而是。例如我的企业内部RAG和智能医疗系统中，我需要处理几十MB甚至上百MB的P

智能咖啡机——你说「要咖啡」（引 starter），咖啡机内置所有配方（imports 文件），检查有没有咖啡豆（OnClass）、你有没有自带豆子（OnMissingBean）、要不要加糖（OnProperty），只执行必要步骤，你直接喝到咖啡（注入 Bean）。前端限流（验证码/按钮置灰）→ 网关限流（令牌桶）→ Redis 预扣库存（原子 DECR）→ 队列削峰（MQ 异步下单）→ 数据库最

问题：给你一组字典scores = [("张三", 90), ("李四", 85), ("王五", 95)]，内容是姓名和对应的Python程序设计分数，请你根据得分从高到低就行排序和输出。分代 GC：定期扫描（generation 0/1/2，越老扫描越少），处理循环引用。+，指的是将多个字符串直接拼接，而Join指的是根据指定分割符将字符串输出指定格式。：面试一般只考概念，知道「元类 = 类的

AI写作助手是一个基于 PyQt6 的本地桌面应用，定位是"小说写作领域的 Claude Code"。多智能体协作：12个专业智能体（大纲师、码字工、督察、评论家等）RAG 记忆系统：7个记忆模块 + ChromaDB 向量检索工具调用：16个本地工具 + 6个MCP服务（100工具）本地部署：数据全在本地，不上传云端开源地址：https://github.com/Aurirlk/AI_novel

AI写作助手是一个基于 PyQt6 的本地桌面应用，定位是"小说写作领域的 Claude Code"。多智能体协作：12个专业智能体（大纲师、码字工、督察、评论家等）RAG 记忆系统：7个记忆模块 + ChromaDB 向量检索工具调用：16个本地工具 + 6个MCP服务（100工具）本地部署：数据全在本地，不上传云端开源地址：https://github.com/Aurirlk/AI_novel

AI写作助手是一个基于 PyQt6 的本地桌面应用，定位是"小说写作领域的 Claude Code"。多智能体协作：12个专业智能体（大纲师、码字工、督察、评论家等）RAG 记忆系统：7个记忆模块 + ChromaDB 向量检索工具调用：16个本地工具 + 6个MCP服务（100工具）本地部署：数据全在本地，不上传云端开源地址：https://github.com/Aurirlk/AI_novel