62 lines
3.9 KiB
Markdown
62 lines
3.9 KiB
Markdown
---
|
||
id: ai.langchain.interview
|
||
title: LangChain 面试题
|
||
type: interview
|
||
domain: ai
|
||
stack: [langchain]
|
||
tags: [LangChain, LCEL, 结构化输出, 面试]
|
||
level: intermediate
|
||
related: [ai.langchain.lcel-structured-agent]
|
||
week: [6, 11, 16]
|
||
---
|
||
|
||
# LangChain 面试题
|
||
|
||
## 基础
|
||
|
||
### 【基础】LangChain 是什么？主要组件有哪些？
|
||
|
||
**参考答案**：构建大模型应用的框架，提供统一的模型接口、消息、提示词模板、输出解析、工具、检索组件、Agent。1.x 中 Agent 统一为 `create_agent`（基于 LangGraph），并通过中间件扩展。
|
||
|
||
**追问**：LangChain、LangGraph、LangSmith 的关系？→ LangChain 提供组件和高层 Agent；LangGraph 是底层的有状态编排框架；LangSmith 是追踪、评测和监控平台。
|
||
|
||
### 【基础】LCEL 是什么？
|
||
|
||
**参考答案**：LangChain 表达式语言，用 `|` 把 Runnable 组件组合成链，统一支持同步 / 异步、流式、批处理，以及重试、备用、并行等能力。
|
||
|
||
**追问**：`batch` 和循环调用 `invoke` 有什么区别？→ `batch` 会并发执行（可以用 `max_concurrency` 控制并发数），速度更快；循环是串行的。
|
||
|
||
### 【基础】怎么让模型输出结构化数据？
|
||
|
||
**参考答案**：优先使用模型原生的结构化输出（`with_structured_output(Schema)`，底层用工具调用或 JSON Schema 模式）；不支持时用提示词 + `PydanticOutputParser`。无论哪种都要校验，失败时重试或降级。
|
||
|
||
**追问**：Schema 设计要注意什么？→ 用枚举限制取值、字段加描述、可选字段明确、不要嵌套太深；字段名和描述模型都会读。
|
||
|
||
## 进阶
|
||
|
||
### 【进阶】LangChain 1.x 和 0.x 有什么主要变化？
|
||
|
||
**参考答案**：Agent 统一为 `create_agent`，基于 LangGraph 构建，支持检查点、流式和人工介入；引入中间件机制（调用限制、摘要、人工审批、备用模型等）；旧的 `AgentExecutor`、`LLMChain` 等移到 `langchain-classic`；核心包更精简。具体以官方迁移文档为准。
|
||
|
||
**追问**：项目里遇到过版本问题吗？→ 按实际经历讲（例如教程是 0.x 写法、包版本不匹配），以及怎么解决（锁定版本、读迁移文档、写测试）。
|
||
|
||
### 【进阶】怎么做模型的重试和降级？
|
||
|
||
**参考答案**：Runnable 的 `with_retry` 处理临时错误；`with_fallbacks` 在主链失败后切换到备用模型或提供方；1.x 的 Agent 也可以使用备用模型中间件。降级的最后一层通常是“返回友好提示 / 转人工”。
|
||
|
||
**追问**：备用模型效果差一些怎么办？→ 评测备用模型在关键用例上的表现，可以只对部分功能降级；记录降级发生的比例并告警。
|
||
|
||
## 场景题
|
||
|
||
### 【场景题】做一个工单自动分类服务，你会怎么设计？
|
||
|
||
**参考答案**：结构化输出（枚举类别、格式校验）+ 重试 + 备用提供方；低置信度人工复核和抽检；异步执行不阻塞工单创建；历史数据批处理控制并发、断点续跑；记录模型和提示词版本；评测集验证准确率。详见[工单分类场景](scenarios/ticket-triage.md)。
|
||
|
||
**追问**：怎么衡量分类效果？→ 用人工标注的样本计算准确率和各类别的召回率，特别关注高风险类别（投诉）的召回。
|
||
|
||
### 【场景题】团队里有人说“LangChain 太重了，不如直接调 SDK”，你怎么看？
|
||
|
||
**参考答案**：各有适用场景。简单调用、单一模型提供方、追求可控性，直接用 SDK；需要多提供方切换、检索 / 工具 / Agent 生态、中间件和 LangGraph 编排能力时，LangChain 能节省大量工作。关键是封装要适度，并锁定版本、写测试应对版本变化。
|
||
|
||
**追问**：如果用 SDK，怎么保留切换模型的能力？→ 自己定义一层薄的模型接口（或使用 OpenAI 兼容接口），业务代码不直接依赖某个厂商的 SDK。
|