# 1. Function/Method 的工具调用协议，Schema 生成、参数校验与错误回传如何设计？ A 将错误转为对模型可读的结构化信息回传，供其修正参数重试 ✓ 正确答案 B 直接抛出未被捕获的异常终止整个请求 C 静默吞掉错误并返回空结果 D 把错误只写入服务器日志，不反馈模型
# 2. Spring AI 与 LangChain4j 的工程对比 A 不支持工具调用与记忆 B 深度集成 Spring 生态，自动配置、依赖注入与可观测性开箱即用 ✓ 正确答案 C 完全不依赖 Spring，纯框架无关 D 只能调用一个模型，扩展性差
# 3. VectorStore 与 Embeddings 的工程协作，向量写入一致性、索引更新与故障恢复如何设计？ A 只允许同步全量重建，不能增量 B 向量与源数据无需保持一致 C 失败后直接丢弃，不做任何处理 D 对向量写入做幂等重试，并用失败队列或对账进行补偿 ✓ 正确答案
# 4. Anthropic Claude 的 Spring AI 适配 A 仍面向 ChatClient/ChatModel 统一抽象编程，协议差异由适配层屏蔽 ✓ 正确答案 B 必须直接处理 Claude 私有报文，无法复用统一抽象 C 只能使用 Claude，无法再切换其他模型 D 不支持流式与工具调用
# 5. Azure OpenAI 的工程应用 A 只能使用 API Key，不支持任何 IAM 认证 B 模型推理速度一定更快 C 不依赖任何云基础设施 D 获得数据驻留、私有网络、合规与治理等企业级能力 ✓ 正确答案
# 6. BGE/M3E 等开源 Embedding 模型的工程价值 A 数据不出域满足隐私合规，且调用成本可控 ✓ 正确答案 B 无法支持中文语义 C 只能通过闭源 API 调用 D 无条件保证检索效果优于任何闭源模型
# 7. Ollama 的本地模型集成 A 本地运行模型，无需外部 API，便于开发调试与隐私保护 ✓ 正确答案 B 只能跑超大模型，无法运行小模型 C 必须连接云端才能运行 D 不支持任何 OpenAI 兼容接口
# 8. OllamaChatModel 与 OpenAiChatModel 的差异 A Ollama 不支持任何 ChatModel 抽象 B 两者都只能运行在云端 C Ollama 对接本地服务，OpenAI 对接云端服务，模型运行位置不同 ✓ 正确答案 D OpenAI 模型无法通过 Spring AI 接入
# 10. Prompt/UserMessage 的多模态演进 A 在 UserMessage 中附加 Media 对象承载图片，与文本一起送模型 ✓ 正确答案 B 多模态只支持音频，不支持图片 C 把图片转成纯文本描述，不传给模型 D 用单独的接口发送图片，不涉及消息结构
# 11. PromptTemplate 的工程应用，模板版本管理、变量校验与渲染错误处理如何？ A 提前发现必填变量缺失或类型非法，避免运行时渲染失败 ✓ 正确答案 B 让变量校验完全交给模型 C 只为统计变量使用次数 D 禁用所有变量注入
# 12. RAG（检索增强生成）的工程流水线 A 将查询向量化后在 VectorStore 中做相似度检索 ✓ 正确答案 B 重新对全部文档做完整切片 C 直接生成回答，不检索任何知识 D 把查询写入模型权重
# 13. Spring AI 与 Hugging Face Inference API A 只能使用闭源付费模型 B 免去自建部署，直接调用托管的开源模型推理服务 ✓ 正确答案 C 必须本地部署 GPU 集群 D 无法接入 Spring AI 统一抽象
# 14. Spring AI 与文心一言/ChatGLM 适配 A 不支持任何统一抽象接入 B 只能通过境外服务器调用 C 网络可达性好、支持私有化与数据本地化，且能复用统一抽象 ✓ 正确答案 D 无法进行对话生成
# 15. Spring AI 与通义/Qwen 模型适配 A 只能使用通义千问的私有报文，无法复用抽象 B 无法使用流式响应 C 不支持任何多轮对话 D 复用统一的 ChatClient/Advisor 体系，叠加 RAG、工具调用等能力 ✓ 正确答案
# 16. Spring AI 的 ETM（Evaluator） A 关闭模型生成能力 B 直接修改模型权重提升效果 C 替代全部人工测试 D 自动评估模型输出质量，支撑测试回归与质量门禁 ✓ 正确答案
# 17. Spring AI 的 Embedding 与 EmbeddingModel A 由模型权重直接生成向量，无需调用 B 直接调用 ChatModel 返回文本 C 调用 EmbeddingModel 的 embed 方法，返回 Embedding 向量 ✓ 正确答案 D 调用 VectorStore 的删除接口
# 18. Spring AI 的 ImageModel/AudioModel A ChatClient（对话能力） B AudioModel（语音合成能力） ✓ 正确答案 C EmbeddingModel（向量化能力） D VectorStore（检索能力）
# 19. Spring AI 的 McpClient/McpServer 与 MCP 协议交互的边界，工具发现与调用如何跨进程复用 A 客户端通过 tools/list 发现、tools/call 调用；服务端提供工具 ✓ 正确答案 B 工具发现完全由人工配置，无协议 C 双方都只能访问本地方法 D 服务端发现工具、客户端注册工具
# 20. Spring AI 的 Moderation 内容审核 A 管理对话记忆的存储容量 B 前置审核用户输入，过滤不当内容，防止其进入模型 ✓ 正确答案 C 提高模型生成速度 D 增加上下文窗口大小
# 21. 文档切片（TokenTextSplitter）与上下文窗口 A token 数一定比字符数少 B 字符切片无法生成文本 C token 切片与上下文窗口完全无关 D 保证每个切片在模型 token 预算内，避免超限截断 ✓ 正确答案
