2026/9/6 9:48:54
FEATURED · 精选文章 
题目结构说明：每题四部分。考点定位讲面试官到底在筛什么；答题要点讲清为什么这样写有效，落到具体机制（指令位置衰减、格式锚定、近因效应）才算答到位；可复制模板是本篇核心交付物，占位符统一用{ {变量}}形式，拿去就能接业务；追问链是写完模板后大概率跟上的问题，附一句话答法。标记：⭐ 高频（出现率过半）、🔥 近两年新增。Q1 怎么保证 LLM 稳定输出可解析的 JSON？⭐考点定位：结构化输出是生产系统的第一道坎，下游要拿 JSON 反序列化，模型随手加一句「好的，以下是结果」整条链路就挂。面试官分三层看：知不知道 API 层面有 JSON Mode / Structured Output，会不会用 schema 锚定格式，有没有失败兜底。答题要点：三层递进。第一层用 API 能力：OpenAI 的response_format、各框架的 with_structured_output，走约束解码时格式是概率上保证的，优于口头要求。第二层是 prompt 内的格式锚定：给出完整 schema、字段类型和枚举值，再给一个符合 schema 的示例，模型对「示例格式」的模仿力强于对「格式描述」的理解力。第三层是工程兜底：解析失败把报错信息拼回 prompt 重试一次（自修复），temperature 设 0 降低采样发散（推理模型不受此控温逻辑约束）。口述时点一句机制：JSON Mode 本质是把文法约束加进解码过程，合法 token 之外的 logits 直接被屏蔽。可复制模板：你是数据接口，只输出 JSON，不输出任何解释、markdown 代码块标记或多余文字。 输出 schema： { "category": "BUG" | "FEATURE" | "CONSULT" | "OTHER", "priority": 1-5 的整数, "summary": "不超过 30 字的中文概要", "needs_human": 布尔值，无法判断时为 true } 规则： - 只依据工单内容判断，不臆测缺失信息；category 无法归入前三类时用 OTHER - summary 不出现「用户」「我觉得」这类主语，直接陈述事实 示例输入：APP 打开就闪退，安卓 13，重装也没用 示例输出：{"category": "BUG", "priority": 4, "summary": "安卓13启动闪退，重装无效", "needs_human": false} 工单：{ {ticket_content}} 输出：追问链：「模型还是偶尔输出带 markdown 包裹的 JSON 怎么办？」- 解析前先 strip 反引号和json标记这类已知噪声，再走失败重试，不要指望 prompt 百分之百。「为什么示例要放在输入前面而不是后面？」- 最后出现的内容近因效应最强，输入贴着「输出：」能让模型立刻进入续写模式，减少自由发挥空间。「字段顺序有影响吗？」- 有，模型对 schema 开头字段的遵循度更高，最关键字段放前面。Q2 few-shot 示例怎么选、怎么排？⭐考点定位：所有人都会说「给几个例子」，面试官盯的是细节：例子从哪来、边界情况覆盖没有、顺序有没有讲究。答不出「类别要均衡、难例要放进去」的，多半没维护过线上 prompt。答题要点：讲三个机制。一是分布匹配：示例就是模型的「临时训练集」，示例的类别分布和标注风格会被直接模仿，五条示例全是正面情感，模型会把中性也判成正面，所以要类别均衡并覆盖边界（含反例、含模糊样本）。二是近因效应：示例的排序影响权重，最贴近当前输入的示例放最后效果最好；高级做法是按与输入的相似度动态检索示例（kNN few-shot），而不是写死。三是数量：3 到 5 个精选示例通常优于十几个堆砌，示例越多占窗口、噪声越大，还稀释指令的权重。可复制模板：任务：判断用户评论对{ {产品名}}的态度标签。 标签定义： - POSITIVE：明确赞扬产品本身 - NEGATIVE：明确批评产品本身 - NEUTRAL：只陈述事实或情绪指向不明（物流、客服问题若未牵连产品，归 NEUTRAL） 示例： 评论：质量不错，第二次回购了 - POSITIVE 评论：包装破了个洞，东西还没拆 - NEUTRAL（批评物流，非产品） 评论：用了一周就坏了，差评 - NEGATIVE 评论：还行吧，跟描述差不多 - NEUTRAL 评论：{ {user_comment}} -追问链：「示例和真实输入分布不一致会怎样？」- 模型会学示例的隐性偏差，比如示例全是短句，遇到长评论判断质量明显下降，所以要定期用线上 bad case 回补示例。「动态选示例的方案说一个？」- 把候选示例向量化，推理时按与输入的余弦相似度取 top-3 拼进模板，兼具相关性和多样性。「示例的数量上限怎么定？」- 以输出稳定为准，逐步加到指标不再涨为止，通常 3 到 8 个，超过 10 个收益趋零还挤占上下文预算。Q3
提示词实操题：上下文工程与模板（10 题）
题目结构说明：每题四部分。考点定位讲面试官到底在筛什么；答题要点讲清为什么这样写有效，落到具体机制（指令位置衰减、格式锚定、近因效应）才算答到位；可复制模板是本篇核心交付物，占位符统一用{ {变量}}形式，拿去就能接业务；追问链是写完模板后大概率跟上的问题，附一句话答法。标记：⭐ 高频（出现率过半）、🔥 近两年新增。Q1 怎么保证 LLM 稳定输出可解析的 JSON？⭐考点定位：结构化输出是生产系统的第一道坎，下游要拿 JSON 反序列化，模型随手加一句「好的，以下是结果」整条链路就挂。面试官分三层看：知不知道 API 层面有 JSON Mode / Structured Output，会不会用 schema 锚定格式，有没有失败兜底。答题要点：三层递进。第一层用 API 能力：OpenAI 的response_format、各框架的 with_structured_output，走约束解码时格式是概率上保证的，优于口头要求。第二层是 prompt 内的格式锚定：给出完整 schema、字段类型和枚举值，再给一个符合 schema 的示例，模型对「示例格式」的模仿力强于对「格式描述」的理解力。第三层是工程兜底：解析失败把报错信息拼回 prompt 重试一次（自修复），temperature 设 0 降低采样发散（推理模型不受此控温逻辑约束）。口述时点一句机制：JSON Mode 本质是把文法约束加进解码过程，合法 token 之外的 logits 直接被屏蔽。可复制模板：你是数据接口，只输出 JSON，不输出任何解释、markdown 代码块标记或多余文字。 输出 schema： { "category": "BUG" | "FEATURE" | "CONSULT" | "OTHER", "priority": 1-5 的整数, "summary": "不超过 30 字的中文概要", "needs_human": 布尔值，无法判断时为 true } 规则： - 只依据工单内容判断，不臆测缺失信息；category 无法归入前三类时用 OTHER - summary 不出现「用户」「我觉得」这类主语，直接陈述事实 示例输入：APP 打开就闪退，安卓 13，重装也没用 示例输出：{"category": "BUG", "priority": 4, "summary": "安卓13启动闪退，重装无效", "needs_human": false} 工单：{ {ticket_content}} 输出：追问链：「模型还是偶尔输出带 markdown 包裹的 JSON 怎么办？」- 解析前先 strip 反引号和json标记这类已知噪声，再走失败重试，不要指望 prompt 百分之百。「为什么示例要放在输入前面而不是后面？」- 最后出现的内容近因效应最强，输入贴着「输出：」能让模型立刻进入续写模式，减少自由发挥空间。「字段顺序有影响吗？」- 有，模型对 schema 开头字段的遵循度更高，最关键字段放前面。Q2 few-shot 示例怎么选、怎么排？⭐考点定位：所有人都会说「给几个例子」，面试官盯的是细节：例子从哪来、边界情况覆盖没有、顺序有没有讲究。答不出「类别要均衡、难例要放进去」的，多半没维护过线上 prompt。答题要点：讲三个机制。一是分布匹配：示例就是模型的「临时训练集」，示例的类别分布和标注风格会被直接模仿，五条示例全是正面情感，模型会把中性也判成正面，所以要类别均衡并覆盖边界（含反例、含模糊样本）。二是近因效应：示例的排序影响权重，最贴近当前输入的示例放最后效果最好；高级做法是按与输入的相似度动态检索示例（kNN few-shot），而不是写死。三是数量：3 到 5 个精选示例通常优于十几个堆砌，示例越多占窗口、噪声越大，还稀释指令的权重。可复制模板：任务：判断用户评论对{ {产品名}}的态度标签。 标签定义： - POSITIVE：明确赞扬产品本身 - NEGATIVE：明确批评产品本身 - NEUTRAL：只陈述事实或情绪指向不明（物流、客服问题若未牵连产品，归 NEUTRAL） 示例： 评论：质量不错，第二次回购了 - POSITIVE 评论：包装破了个洞，东西还没拆 - NEUTRAL（批评物流，非产品） 评论：用了一周就坏了，差评 - NEGATIVE 评论：还行吧，跟描述差不多 - NEUTRAL 评论：{ {user_comment}} -追问链：「示例和真实输入分布不一致会怎样？」- 模型会学示例的隐性偏差，比如示例全是短句，遇到长评论判断质量明显下降，所以要定期用线上 bad case 回补示例。「动态选示例的方案说一个？」- 把候选示例向量化，推理时按与输入的余弦相似度取 top-3 拼进模板，兼具相关性和多样性。「示例的数量上限怎么定？」- 以输出稳定为准，逐步加到指标不再涨为止，通常 3 到 8 个，超过 10 个收益趋零还挤占上下文预算。Q3 
