关于这个分区 ​
这里放的是 AI Agent 方向的知识梳理,目前以面试问答的形式组织:每个问题下都先给结论,再展开原理与工程细节,尽量做到能直接口述。
内容按主题分三块:
RAG —— 检索增强生成的完整链路。从文档切分、Embedding 选型、向量检索与关键词检索的差异,到多路召回、重排与评估指标,最后落到落地时最容易踩的坑。
Agent —— 从基本架构(LLM、工具、记忆、规划)出发,讲清 ReAct、Plan-and-Execute、Reflection 这几种推理范式的区别与选型,再延伸到 Multi-Agent 协作、记忆压缩、上下文工程、评测与线上 Trace 定位,最后几题讨论 Harness 设计与自进化这类更偏系统层面的问题。
AI 面 —— 面试真题与口述回答稿,按实际面试顺序记录,偏个人经历的叙述方式。
阅读提醒 ​
左侧目录按文件夹递归展开。每篇的题目都带编号,按顺序读是一条完整的知识线;也可以只挑某个关键词去搜,题目本身就是检索入口。
回答里会用第一人称讲项目中的做法,那是为了口述时顺口,不代表唯一的正确实现。