CodeShot

مصاحبه AI — سطح Mid

سؤال‌ها بر اساس دفعات تکرار در مصاحبه‌های واقعی مرتب شده‌اند.

چک‌لیست آمادگی مصاحبه

هنوز هیچ سؤالی را تمرین نکرده‌ای. حالت تمرین را شروع کن.

0 از 9 سؤال «بلد بودم» · 0 سؤال مرور شده · این پیشرفت فقط روی همین مرورگر ذخیره می‌شود.

9 سؤال

  1. 1.چه زمانی RAG بهتر از Fine-tuning است؟وقتی دانش مورد نیاز مدل مدام تغییر می‌کند یا حجیم است — RAG فقط با به‌روزرسانی Vector Database دانش را تازه نگه می‌دارد؛ Fine-tuning برای هر تغییر نیاز به آموزش دوباره مدل دارد.تکرار در مصاحبه‌ها: 57٪
  2. 2.چه زمانی Semantic Kernel را انتخاب می‌کنید و چه زمانی فقط Microsoft.Extensions.AI کافی است؟وقتی نیاز به ارکستراسیون چندمرحله‌ای (Plugin، Planner، Agent) دارید سراغ Semantic Kernel می‌روید؛ برای یک فراخوانی ساده چت، Microsoft.Extensions.AI سبک‌تر و کافی است.تکرار در مصاحبه‌ها: 55٪
  3. 3.چرا برای جست‌وجوی معنایی نمی‌توان از یک پایگاه‌داده رابطه‌ای معمولی استفاده کرد؟چون پایگاه‌داده رابطه‌ای برای تطابق دقیق مقدار بهینه شده، نه برای یافتن نزدیک‌ترین بردارها از نظر فاصله ریاضی در فضایی با صدها/هزاران بُعد.تکرار در مصاحبه‌ها: 52٪
  4. 4.بزرگ‌ترین ریسک اجرای یک AI Agent بدون محدودیت چیست و چطور کنترل می‌شود؟احتمال گیرکردن در یک حلقه بی‌پایان از فراخوانی ابزار و مصرف بی‌رویه توکن/هزینه؛ با تعیین سقف تعداد قدم (`maxSteps`) و سقف هزینه کنترل می‌شود.تکرار در مصاحبه‌ها: 50٪
  5. 5.اندازه Chunk در RAG چه تأثیری روی کیفیت پاسخ دارد؟Chunk خیلی بزرگ باعث گم‌شدن اطلاعات مرتبط بین حجم زیاد متن نامرتبط می‌شود؛ Chunk خیلی کوچک باعث از‌دست‌رفتن Context کافی برای فهم درست می‌شود.تکرار در مصاحبه‌ها: 48٪
  6. 6.چرا نباید بردارهای تولیدشده توسط دو مدل Embedding متفاوت را با هم مقایسه کرد؟چون فضای برداری هر مدل مستقل و بر اساس معماری/داده آموزشی همان مدل ساخته شده؛ فاصله بین یک بردار از مدل A و یک بردار از مدل B معنای مشخصی ندارد.تکرار در مصاحبه‌ها: 46٪
  7. 7.تفاوت MCP با Function Calling ساده چیست؟Function Calling ساده برای هر اپلیکیشن جداگانه Hard-code می‌شود؛ MCP یک استاندارد باز است که به هر Client اجازه می‌دهد به‌صورت پویا از هر MCP Server بپرسد چه ابزارهایی در دسترس است.تکرار در مصاحبه‌ها: 45٪
  8. 8.برای یک پروژه کاملاً دات‌نتی، چرا معمولاً Semantic Kernel به LangChain ترجیح داده می‌شود؟چون Semantic Kernel به‌طور Native با C#/.NET، Dependency Injection و ASP.NET Core یکپارچه است؛ LangChain اصالتاً برای پایتون/جاوااسکریپت طراحی شده.تکرار در مصاحبه‌ها: 40٪
  9. 9.Hallucination در مدل‌های زبانی یعنی چه و چطور کاهش داده می‌شود؟یعنی مدل با اطمینان بالا اطلاعات نادرست تولید می‌کند؛ با RAG (اتصال به منابع واقعی) و Prompt دقیق‌تر کاهش می‌یابد.تکرار در مصاحبه‌ها: 30٪