# 1. AI 应用 QPS 与 Token 吞吐的容量估算，从业务峰值、平均/尾部延迟与 Provider 配额如何推算网关与实例规模 A 并发数等于 QPS，与调用耗时无关 B 并发 = 峰值 QPS × 平均耗时，Token 吞吐 = QPS × Token 数，结合 Provider 配额估算实例规模并预留缓冲 ✓ 正确答案 C 只需按平均 QPS 计算，无需考虑峰值 D Provider 配额不影响实例规模规划
# 2. AI 应用的 SLA 定义，可用性、P95 延迟、任务成功率与成本上限应如何设定，SLO 与错误预算如何分配 A 只关注可用性与延迟即可，与成本无关 B SLA 含可用性、P95 延迟、任务成功率与成本上限，SLO 可测量，错误预算耗尽则停止发布优先稳定性 ✓ 正确答案 C 错误预算只是统计数字，不影响决策 D 任务成功率与可用性等价，无需单独定义
# 3. 从 PoC 到生产，原型系统与生产系统的差距（评测、安全、成本、可观测）应如何逐项补齐，评审关卡如何设计 A PoC 通过后即可直接全量上线 B 逐项补齐评测、安全、成本、可观测，设计阶段门禁（评测/安全/容量/灰度），每关有退出条件 ✓ 正确答案 C 评测只需要在 PoC 阶段做一次 D 成本与可观测是上线后的事，无需提前评审
# 4. AI 应用架构演进，从单 Prompt 直连到引入 RAG、Agent、网关，各阶段的触发信号与重构边界是什么 A 演进由痛点触发：质量不足引入 RAG，记忆/工具需求引入 Agent，成本/多 Provider 引入网关，避免过度设计 ✓ 正确答案 B 单 Prompt 直连无法演进，必须一开始就全套 C 重构边界没有标准，随意演进即可 D 一上来就应完整引入 RAG、Agent、网关
# 5. AI 应用的故障演练，模型超时、限流、向量库故障、工具失败分别演练哪些降级路径，如何验证 A 模型超时/限流/向量库故障/工具失败各有降级路径，通过故障注入验证触发正确、无雪崩与恢复 ✓ 正确答案 B 故障演练只需验证模型超时一个场景 C 降级路径只需文档化，无需实测 D 向量库故障时无需降级，直接报错即可
# 6. AI 应用的成本演进，随流量增长成本结构如何变化，什么阶段应引入缓存、模型路由与小模型 A 流量增长致推理成本上升，按阶段引入缓存、模型路由与小模型，用成本占预算比例决定优化优先级 ✓ 正确答案 B 一开始就应引入所有成本优化手段 C 缓存与模型路由作用相同，选其一即可 D 小模型只能用于测试，无法承担生产任务
# 7. 多区域部署，AI 应用出海的数据驻留、模型可用性与延迟优化如何权衡，路由如何设计 A 数据驻留是硬约束，按区域路由请求与数据，模型就近可用，在合规内优化延迟 ✓ 正确答案 B 延迟优化优先于数据驻留，可忽略合规 C 所有数据统一存一个区域，便于管理 D 区域路由只影响性能，不影响数据合规
# 8. AI 应用与现有系统集成，旧系统（工单、CRM、ERP）如何通过工具封装接入 Agent，改造边界如何控制 A 应重构旧系统以适配 Agent，保证一致性 B 工具封装无需鉴权，Agent 调用即可 C 把旧系统能力封装为工具供 Agent 调用，旧系统本体少改，只加工具适配层并统一权限与审计 ✓ 正确答案 D 旧系统无 API 的能力无法接入，应放弃
# 9. AI 应用的后端容量模型，流式连接数、并发模型调用、线程/连接池与 Provider 配额如何联合规划 A 线程池越大越好，可处理更多并发 B 以 Provider 配额为顶，联合规划流式连接数、线程池（阻塞/IO 分离）、连接池，并预留缓冲 ✓ 正确答案 C 流式连接不占用资源，无需规划 D 线程池与 Provider 配额无关，独立规划即可
# 10. AI 应用的发布风险，模型/Prompt 变更导致质量波动时，如何用灰度与回滚控制爆炸半径 A 模型变更可直接全量发布，风险可控 B 只有模型变更需要灰度，Prompt 变更无需 C 回滚需要重新部署，无法快速完成 D 按分桶灰度放量并监控指标，版本化支持快速回滚，新旧对比控制爆炸半径 ✓ 正确答案
# 11. AI 应用的数据架构，会话、记忆、缓存、向量与日志的存储选型（Redis、关系库、向量库、对象存储）如何划分 A 会话/缓存用 Redis，结构化持久用关系库，向量检索用向量库，日志用对象存储，按读写率/一致性/成本选型 ✓ 正确答案 B 向量数据也可存关系库，无需专用向量库 C 所有数据统一用一个存储，便于维护 D 日志应存 Redis 保证实时查询
# 12. AI 应用的评测基础设施，评估集、评测流水线、回归门禁与人工标注平台如何建设，成本如何控制 A 评测集一次性建设即可，无需持续扩充 B 回归门禁会拖慢发布，应取消 C 搭建评估集、评测流水线、回归门禁与标注平台，变更触发评测并设基线门禁，用分层评测与抽样控制成本 ✓ 正确答案 D 评测成本无法控制，只能全量跑
# 13. AI 应用的容量压测，如何构造覆盖 Prompt 长度、并发数与输出长度的压测负载，衡量网关/模型/向量库的瓶颈与退化行为？ A 输出长度与压测无关，无需构造 B 只需压测一个并发数即可评估容量 C 构造覆盖 Prompt 长度、并发数、输出长度的负载，监控网关/模型/向量库定位瓶颈，验证过载优雅降级而非雪崩 ✓ 正确答案 D 过载时出现重试风暴是正常现象，无需关注
# 14. Provider 配额与多 Provider 冗余，同一业务如何按比例分配到多家模型厂商规避单点，配额耗尽时的降级与切换策略？ A 单一 Provider 足够，无需冗余 B 按比例+健康探测把流量分配到多家厂商，配额耗尽时平滑切换备用 Provider，网关抽象隔离差异 ✓ 正确答案 C 配额耗尽时应等待重试，不切换 D 切换应一次性全量，快速生效
# 15. 成本预算与 FinOps，Token 成本、缓存命中率与模型路由节省如何纳入月度预算与看板，异常成本（爬虫/重试风暴）如何告警？ A 把 Token 成本、缓存命中率、路由节省纳入月度预算与看板，异常成本（爬虫/重试风暴）实时告警并限流阻断 ✓ 正确答案 B 缓存命中率与成本无关 C 只需统计总 Token 消耗，无需细分 D 重试风暴产生的成本可忽略不计
# 16. 架构演进的组织信号，什么业务指标（调用量、错误率、成本占比）达到阈值时应启动下一阶段架构改造，评审与责任如何界定？ A 架构演进由技术团队主观决定，无需指标 B 指标阈值一旦设定就固定不变 C 成本占比与架构演进无关 D 调用量/错误率/成本占比等指标超阈值触发评审，明确演进目标、预算与责任，演进后回滚与观测 ✓ 正确答案
# 17. AI 应用的技术选型框架，框架（LangChain/LangGraph/自研）、网关、向量库与观测平台如何按团队能力与业务规模选型 A 自研框架一定优于开源框架 B 所有项目都应选用最成熟的框架 C 按团队能力与业务规模取舍：小团队/快速用开源框架，复杂可控用自研/抽象，关键能力（网关/评测）避免锁死 ✓ 正确答案 D 向量库选型与数据量无关
# 18. AI 应用的退出与迁移，更换 Provider、向量库或框架时，数据迁移、契约测试与灰度切换如何设计 A 迁移只需替换实现，无需测试 B 向量库迁移无需重建索引，直接复用 C 数据迁移保证一致性、契约测试保证兼容、灰度切换保证安全，并保留旧实现可回滚 ✓ 正确答案 D 灰度切换会拖慢迁移，应直接全量切换
# 19. AI 系统设计的答辩技巧，如何把一次请求讲成“入口→编排→上下文→模型→校验→观测”的完整故事，并用数据支撑取舍 A 答辩只需说明用了哪些框架，体现技术 B 报出框架名即可，无需展开数据 C 约束与数据支撑无关紧要，可省略 D 把一次请求讲成入口→编排→上下文→模型→校验→观测的完整链路，并用量化数据支撑每个架构取舍 ✓ 正确答案
