RAG 与 Agent 系统设计是 Anthropic 前沿部署工程师面试流程的核心部分。检索管道、分块、重排序、使用工具的 Agent、护栏、多租户和评测框架：这是 OpenAI、Anthropic、Sierra、Glean 和 Scale 的 FDE 设计轮的典型模式。以下是需要准备的 RAG 与 Agent 系统设计题目，首先是标注为 Anthropic 的题目，然后是我们 RAG 与 Agent 系统设计专题 中信号最强的题目，每题都配有达到资深工程师水准的答案。

标注为 Anthropic 的 RAG 与 Agent 系统设计题目

更多针对 Anthropic 面试流程的 RAG 与 Agent 系统设计题目

候选人认为最有用的信号最强的 RAG 与 Agent 系统设计题目，模拟 Anthropic 前沿部署工程师面试流程所考察的内容。

Anthropic RAG 与 Agent 系统设计轮背后的概念

这些题目所假设的术语和思维模型。基础内容免费开放；更深层的、决定面试成败的理念属于付费内容。

基础检索增强生成（RAG）RAG 通过在查询时检索相关段落并将其放入提示词中，使语言模型基于你自己的数据作答，从而让模型依据真实来源而非记忆来回答问题。它几乎是所有企业级 FDE 部署的默认模式，这也是为什么几乎每个面试流程都会考察它。

基础向量数据库向量数据库将嵌入向量与元数据一起存储，并使用近似索引快速回答最近邻查询。真正的面试问题不是它们如何工作，而是你什么时候真正需要一个向量数据库，而不是一个库或带 pgvector 的普通 Postgres。

核心登录混合搜索（词法 + 向量）混合搜索同时运行关键词检索器（BM25）和稠密向量检索器，然后合并它们的结果列表，因为每一个都会漏掉另一个能捕捉的情况。向量检索会丢失精确的代码和生僻术语，BM25 会丢失同义改写，而用倒数排名融合将两者结合通常优于单独使用任何一种。

核心登录分块策略分块是指如何将文档拆分成用于嵌入和检索单元，它悄悄决定了整个 RAG 系统的召回上限。如果大小、边界和元数据设置错误，任何重排序器或提示词都无法挽回从未被检索到的答案。

核心登录重排序与两阶段检索两阶段检索将一个廉价、侧重召回的第一阶段（拉取数十个候选）与一个精确的重排序器（针对查询对每个候选重新打分）配对。当向量搜索返回“大致相关”的分块但正确的那个不在前几名时，这是标准的解决方案，它用少量延迟换取大量精确度。

核心要点近似最近邻（ANN）暴力向量搜索每次查询的复杂度是 O(N*d)，在数百万向量规模下会崩溃，因此 ANN 用一点点召回率换取数量级的速度提升。两大主流方案是 IVF（先聚类再探测邻近单元）和 HNSW（在可导航图上游走），并配合乘积量化来压缩内存。不可妥协的习惯是对照暴力搜索基线测量 recall@k。

基础AI Agent 与工具使用Agent 是被包裹在循环中的语言模型，让它可以选择工具、执行操作、观察结果并决定下一步做什么。面试官考察的技能是判断力：知道什么时候这个循环值得它的不可预测性，什么时候固定流水线更便宜、更快、更安全。

进阶🔒 高级内容Agent 记忆Agent 记忆是指 Agent 跨轮次和会话携带状态的方式。短期记忆是存在于上下文窗口内的对话和草稿板，受限于窗口大小且成本高昂。长期记忆是 Agent 按需写入和读取的外部存储，通常通过 RAG 实现，因此它可以回忆起上周的事实而无需将它们保留在提示词中。FDE 面试循环会考察这一点，因为难点所在——摘要、持久化什么内容、以及过期或矛盾的记忆——正是 Agent 悄然出错的地方。

Anthropic 的前沿部署工程师面试循环会提出诸如“什么时候 Agent 是错误的答案？请论证为什么不该构建一个。”、“在让客户上线之前，你会如何评估一个 RAG 系统？”、“客户的 RAG 试点只有 60% 的问题回答正确。请诊断问题。”之类的 RAG 与 Agent 系统设计问题。检索流水线、分块、重排序、使用工具的 Agent、护栏、多租户和评测框架：这是 OpenAI、Anthropic、Sierra、Glean 和 Scale 最典型的 FDE 设计面试环节。完整题集按从易到难排序并附专家答案，如下所示。

按顺序练习本页上的 RAG 与 Agent 系统设计问题，学习下方链接的底层概念，然后查看 Anthropic 的完整面试流程，了解这一环节在整个面试循环中的位置。

是的，而且就是这个确切的职位名称。截至 2026 年 9 月，招聘页面将前沿部署工程师与应用 AI 工程师和应用 AI 架构师并列为独立职位，因此“Anthropic 的 FDE 职能只是‘叫做应用 AI 工程师’”这一旧说法已经过时。所有这些职位都会深入客户现场设计提示词和评测，并将基于 Claude 的 Agent 投入生产；区别大致在于该职位所承担的实现、架构与客户负责工作的比重。

从职位标题入手，而不是姓氏。前沿部署工程师和应用 AI 工程师偏向动手实现、评测和生产可靠性。应用 AI 架构师偏向设计部署方案并在客户面前展现技术公信力，且通常按行业细分。请向招聘人员询问面试轮次列表和形式，因为这些是不同的职位，这是一个合理的问题，也有明确的答案。

Anthropic 的其他面试轮次

Anthropic 前沿部署工程师面试流程所考察的其他方向。

备战 Anthropic 前沿部署工程师完整面试流程

RAG 与 Agent 系统设计只是其中一轮。升级 Premium 即可解锁 Anthropic 完整面试流程的所有答案。每个方向都有免费题目，让你先体验深度。

所有答案、概念与课程，所有论文解析，全部已发布视频课程，动手实践的 FDE Lab 任务，Premium PDF 指南及配套文件，完整模拟题库以及工作样本下载。Referral Premium 不包含指南 PDF 及其配套文件。

6 个月 · 一次付费 · 不自动续订

结合免费视频课程一起学习。

独立运营，与 Anthropic 无关联。所有商标归其所有者所有。