6616AI

Agent 系统面试通关

围绕 Agent 面试的系统化学习路线。从推理、工具、RAG、工程化到安全、应用和面试包装，逐个击破。

  1. 01001｜Function Calling 原理：LLM 怎么调用外部工具Function Calling 是 Agent 调用工具的核心机制。掌握它，才能理解 LLM 如何从'只会说话'变成'能办事'。
  2. 02002｜ReAct / CoT / ToT / Plan-and-Execute：Agent 推理模式对比Agent 的推理模式决定了它怎么分解问题、怎么调用工具、怎么修正错误。面试最爱问它们之间的区别。
  3. 03003｜MCP 协议：模型上下文协议如何统一工具生态MCP 是 Anthropic 推出的开放协议，让模型可以统一访问文件、数据库、API 等上下文。2024-2025 面试新热点。
  4. 04004｜RAG 评估与优化：从指标到工程的完整链路RAG 不是接个向量库就完了。评估要拆检索和生成，优化要端到端思考。这是面试最爱考的工程题。
  5. 05005｜Agentic RAG：让检索过程也能自主决策Agentic RAG 让 RAG 不再是一条静态流水线，而是能根据中间结果决定下一步检索什么的智能系统。
  6. 06006｜GraphRAG：知识图谱如何让 RAG 更具推理能力GraphRAG 把文档抽取成知识图谱，让 RAG 能回答需要关系推理的问题。微软主推，面试高频。
  7. 07007｜长上下文与 RAG 结合：什么时候该检索，什么时候该全文大模型上下文越来越长，但 RAG 不会消失。关键是理解它们各自适合什么场景，以及如何组合。
  8. 08008｜Agent 项目工程化：代码组织、测试、部署Agent 项目怎么写代码、怎么组织、怎么上线，这是面试里考察工程能力的关键。
  9. 09009｜Agent 测试、监控与可观测性：LangSmith 和 LangServeAgent 上线后必须能看得见、测得准、控得住。LangSmith 和 LangServe 是 LangChain 生态里常用的两个工具。
  10. 10010｜Agent 安全：提示词注入与越狱防御Agent 能调用工具，意味着被攻破后危害更大。安全是企业落地 Agent 的底线。
  11. 11011｜数据分析 Agent 完整项目设计结合你 7 年数据仓库经验，把数据分析 Agent 设计成一个完整项目，是面试里最自然的切入点。
  12. 12012｜Agent 面试项目经验包装与简历写法会设计和会表达是两件事。最后这一步，把前面所有内容包装成面试能说的项目经验。