这篇文章解决什么问题

很多同学准备 AI 方向面试时，容易停在“概念背诵”。
真正拉开差距的，通常是三层表达：

  1. 你知道这个概念是什么
  2. 你知道它在系统里放在哪
  3. 你知道它在工程里会遇到什么坑、怎么解

这篇就按这个结构，把常见追问一次串起来：

  • RAG、Skills、Tools、MCP 到底怎么区分
  • git rebase 和 git merge 的区别是什么
  • 想把 3 次 commit 合成 1 次，应该用什么命令
  • git reset 和 git revert 的差异
  • 为什么要了解 Monorepo + pnpm
  • 什么是幽灵依赖，怎么治理

一、先把基础概念讲顺

1）RAG 是什么

一句话：RAG = 检索 + 生成。
先从外部知识源拿“相关上下文”，再让 LLM 基于这些上下文回答，减少胡编。

适用场景：

  • 企业知识库问答
  • 文档助手
  • 客服 FAQ

面试表达重点：

  • 不是“让模型变聪明”，而是“给模型补上下文”
  • 价值在可更新、可控、可追溯

2）Tools / Function Calling 是什么

Tools 可以理解为：LLM 感知和影响外部世界的能力接口。

比如：

  • 搜索
  • 数据库查询
  • 发邮件
  • 调业务 API

Function Calling 是“让模型按结构化参数调用工具”的机制。
核心是 schema 要稳定，否则最常见问题就是参数对不上、调用失败。

3）MCP 是什么

MCP（Model Context Protocol）可以理解为：标准化的工具接入协议。
它像 AI 时代的一层“通用适配规范”，让 Agent 能用统一方式接多种工具与资源。

面试别只说“这是个协议”，更好的说法是：

  • 它解决的是“模型如何安全、稳定、可扩展地调用外部能力”
  • 它把工具、资源、提示模板等对象统一组织

4）Skills 是什么

Skills 本质上是 Agent 可复用能力模块。
可以把它理解成“针对某类任务封装好的能力包”。

一个 Skill 往往包含：

  • 任务指令模板（Prompt）
  • 输入输出约束（Schema）
  • 工具编排策略（什么时候调哪个工具）
  • 结果整理逻辑（Formatter）

二、面试官真正想听的：你怎么在系统里用它

一个简化但实用的 AI 系统链路：

  1. 用户提问
  2. Agent 判断是否需要检索和工具调用
  3. 触发 RAG 检索 / Tool 调用
  4. 汇总结果并生成最终回答
  5. 前端做流式渲染和状态反馈

前端常见职责：

  • 展示 Agent 的思考阶段和调用状态
  • 处理 streaming 输出（增量渲染、回滚、重试）
  • 处理超时、失败、降级体验

三、真实工程问题：不只会背概念

1）token 太多导致频繁重排

常见做法：

  • requestAnimationFrame + buffer 合并刷新
  • 分块渲染（batch）降低重排频率

2）工具调用延迟高

常见做法：

  • optimistic UI
  • loading placeholder
  • 把可并行调用的工具并行化

3）工具循环调用

常见做法：

  • step limit（最大调用步数）
  • cooldown / 防重入策略
  • 为工具调用链路打可观测日志

四、Git 追问：高频且容易答虚

1）git rebase vs git merge

merge：

  • 保留分叉历史
  • 会产生 merge commit
  • 历史更真实，协作语义清晰

rebase：

  • 把当前分支提交“搬到”目标分支后面
  • 历史更线性
  • 会改写提交历史（公共分支慎用）

一句话选型：

  • 团队协作与可追溯优先：偏 merge
  • 个人分支整理提交历史：偏 rebase

2）想把 3 次 commit 合并成 1 次，用什么

用 交互式 rebase：

1
git rebase -i HEAD~3

把后两个提交标记为 squash（或 fixup）即可。
squash 会保留并编辑提交信息，fixup 会直接丢弃被合并提交的信息。

3）git reset vs git revert

reset：

  • 回退分支指针，可配合 --soft / --mixed / --hard
  • 会改写历史
  • 更适合本地未共享提交的整理

revert：

  • 生成一个“反向提交”来撤销某次改动
  • 不改写已有历史
  • 更适合已经推到远端的公共分支

一句话：

  • 撤销公共历史，用 revert
  • 重写本地历史，用 reset

五、Monorepo 和 pnpm：为什么面试会问

1）了解 Monorepo 的作用

Monorepo 把多个相关包放在一个仓库统一管理，价值通常在：

  • 统一依赖和工具链
  • 跨包改动原子提交，减少版本漂移
  • 共享组件与类型更顺滑
  • CI/CD 可以按变更包做增量构建

2）了解 pnpm 的作用

pnpm 常被选中不是因为“新”，而是因为它在工程治理上很实用：

  • 安装更快、磁盘占用更省（内容寻址存储 + hard link）
  • 依赖关系更严格，减少“侥幸可用”
  • workspace 能更清晰地管理多包依赖

六、幽灵依赖是什么，怎么解决

幽灵依赖（phantom dependency）指：
代码里用了某个包，但这个包并没有在当前包的 dependencies / devDependencies 显式声明。

它在某些扁平安装模式下可能“刚好能跑”，换环境就炸。

治理方式（从高收益到低成本）：

  1. 每个 package 显式声明自己使用的依赖
  2. 使用 pnpm workspace，坚持依赖边界
  3. 在 CI 做依赖一致性检查，避免“本地能跑、线上失败”
  4. 评审时把“是否新增未声明依赖”作为检查项

七、可以直接复述的回答模板

如果面试官问：“你怎么看 AI + 工程化这块？”
你可以用这个结构回答：

  1. 概念：RAG、MCP、Tools、Skills 的定义与边界
  2. 系统：它们在 Agent 调度链路里的位置
  3. 工程：真实问题（延迟、循环调用、渲染抖动）和解决方案
  4. 协作：Git 历史治理（rebase/merge/reset/revert）
  5. 工程化：Monorepo + pnpm 的价值与幽灵依赖治理

这个回答方式的核心不是“背名词”，而是证明你能把概念落到系统和工程实践里。