AI相关面试题

Mon, 01 Jan 0001 00:00:00 +0000

共 43 道 AI相关面试题。答案默认折叠，便于先自行作答。

1. 如何实现 ChatGPT 类似的流式输出？

难度：1.5 · 类型：QA

题目要点

流式输出的核心是服务端通过 SSE、fetch stream 或 WebSocket 持续返回增量内容，前端通过 ReadableStream 边读边渲染。实现时要注意网络 chunk 不等于完整消息，需要做缓冲和协议解析。前端渲染要做节流，避免频繁状态更新导致卡顿。Agent 场景下建议使用结构化事件协议，把文本增量、工具调用、状态、错误、完成信号分开处理。最后还要支持取消、错误恢复、最终 Markdown 校正和滚动体验，才能达到接近 ChatGPT 的交互质量。

参考答案

类似 ChatGPT 的流式输出，本质是：服务端不要等完整答案生成后再返回，而是把模型生成的 token 或文本片段持续写入 HTTP 响应；前端边读边渲染，并在完成、取消、异常时维护好状态。

实际项目里最常见的是 SSE 或 fetch + ReadableStream。如果只是服务端向前端单向推送，SSE 足够稳定；如果需要双向实时交互，比如语音、多人协作、实时 Agent 控制，可以用 WebSocket。在 ChatGPT 这类文本生成场景中，fetch 读取流也很常用，因为它支持 POST、请求体、鉴权、AbortController，控制能力比原生 EventSource 更强。

前端核心代码大致是这样：

async function streamChat(messages: any[], onDelta: (text: string) => void) {
 const controller = new AbortController();

 const response = await fetch('/api/chat/stream', {
 method: 'POST',
 headers: {
 'Content-Type': 'application/json',
 },
 body: JSON.stringify({ messages }),
 signal: controller.signal,
 });

 if (!response.ok || !response.body) {
 throw new Error('stream request failed');
 }

 const reader = response.body.getReader();
 const decoder = new TextDecoder('utf-8');

 let buffer = '';

 while (true) {
 const { value, done } = await reader.read();

 if (done) break;

 buffer += decoder.decode(value, { stream: true });

 const events = buffer.split('\n\n');
 buffer = events.pop() || '';

 for (const event of events) {
 const line = event
 .split('\n')
 .find((item) => item.startsWith('data:'));

 if (!line) continue;

 const data = line.replace(/^data:\s*/, '');

 if (data === '[DONE]') {
 return;
 }

 const payload = JSON.parse(data);

 if (payload.type === 'delta') {
 onDelta(payload.content);
 }
 }
 }

 controller.abort();
}

服务端返回时通常使用类似这样的协议：

AI相关 on Last Stand

AI相关 面试题

1. 如何实现 ChatGPT 类似的流式输出？

题目要点

AI相关面试题