Model-based RL了解吗？事后感觉面试官是想听我说MCTS(因为阿尔法狗和王者荣耀AI貌似都用到了)，可惜当时没想到这一层，想到了也不会，于是另辟蹊径从以前做自动驾驶的层面介绍了下MPC模型预测控制，可以认为MPC是model-given的纯动态规划RL吧，面试官也认可这一看法。

这题可以按「结论 -> 原理 -> 场景 -> 风险」来答，重点放在AI 工程里的可落地理解。 答题要点： 1. AI 工程题要把模型能力、数据链路、推理服务、评测和成本一起讲，避免只谈调 prompt。 2. RAG 类问题说明切分、向量化、召回、重排、上下文组装、生成和评测；幻觉治理靠检索质量、引用约束、拒答策略和离线评测。 3. Agent 类问题关注工具调用、状态管理、任务编排、超时重试、权限边界和可观测性。 容易被追问： - 如何评估 RAG 是否真的变好？ - 工具调用失败如何补偿？ 注意事项： - 不要把 Demo 能跑当成生产可用，要说明延迟、成本、权限和失败兜底。