技術面接問題
エンジニアの
コードを
AI と LLM
RAG の
答えの 精度が 低いとき、 どこを 疑いますか 検索の
側 (文書の 分け方、 埋め込みの モデル、 キーワード 検索との 併用、 並べ直し) と、 生成の 側 (渡す文脈の 量と 順、 プロンプト) に 分け、 まず 正しい 文書が 取れているかを 測ると 答える 問い。 AI エージェントや
ツール 呼び出し (MCP など ) を 本番で 使う とき、 何に 気を つけますか ツールに
渡す権限を 最小にし、 戻せない 操作は 人の 確認を 挟む。 実行の 記録と、 回数や 費用の 上限で 暴走を 止める。 MCP で つなぐ 相手の 信頼性を 確かめる、と 答える 問い。 LLM の
出力の 品質を、 どう 評価し試しますか 想定の
質問と 期待する 答えの 組 (評価 データ) を 作って 変更の たびに 回し、 ルールと 別の LLM に よる 自動の 採点に 人の 確かめを 組み合わせ、 本番の ログで 評価 データを 育てる、と 答える 問い。 LLM の
API の 費用と 待ち時間を、 どう 抑えますか 作業に
合った 小さめの モデルを 選ぶ、 プロンプトの キャッシュと 結果の キャッシュ、 ストリーミングで 体感を 速く する、 重い 処理は 非同期に する、 呼び出しを 中継で まとめて 見る、と 答える 問い。 ハルシネーション (もっと
もらしい 誤り) に、 どう 手当てしますか RAG で
根拠を 渡して 出典を 示す、 決まった 形 (JSON スキーマ) で 出させて 値を コードで 確かめる、 間違いが 命取りに なる 場面では AI に 最後の 判断を させない、と 答える 問い。 利用者の
データを LLM に 渡すとき、 プライバシーで 何に 気を つけますか 学習に
使われない 契約や 設定の 提供元を 選ぶ、 個人情報は 要る 物だけを 渡し伏せ字も 考える、 利用規約と プライバシーポリシーに 書き、 記録を 残す期間を 決める、と 答える 問い。 プロンプトインジェクションとは
何で、 どう 防ぎますか 利用者の
入力や 読み込んだ Web ページ、 メールに 仕込まれた 指示で LLM の 動きを 乗っ取る 攻撃。 完全には 防げない 前提で、 権限を 絞る、 外の データを 指示と して 扱わない、 重要な 操作は 人が 確かめる、と 答える 問い。 埋め込みと
ベクトル 検索とは 何ですか。 キーワード 検索と どう 違いますか 文を
数の 並び (ベクトル) に 変え、 向きの 近さで 意味の 近い文を 探す 仕組みと 押さえる 問い。 言い 換えに 強く 固有の 名前に 弱い ベクトル 検索と、 その 逆の キーワード 検索を、 組み合わせて 使う 所まで 答えます。
コードを