Cao NoteAI Agent 面试八股文
配套教程（知识点）：AI Agent 工程实践（7 篇，原理与工程方法，一篇对一篇）
面向零基础到进阶的 AI Agent 面试准备资料，覆盖 9 大模块、200+ 道面试题及详细答案。 每个模块包含：概念解释、原理详解、面试问题、标准答案、追问应对、代码示例。 原始来源：《AI Agent 面试全攻略——从零到 Offer》v1.0.2（2026-04）。
模块速览
| 模块 | 核心知识点 | 面试题数 | 链接 |
|---|---|---|---|
| 01 基础概念 | Agent 定义、组成、分类、与 Chain/ChatBot 区别 | 27 题 | 01-AI-Agent基础概念 |
| 02 核心框架 | ReAct、Plan-and-Execute、Reflexion、LangGraph | 27 题 | 02-核心框架 |
| 03 RAG 技术 | 分块策略、向量数据库、混合检索、重排序、GraphRAG | 24+ 题 | 03-RAG技术 |
| 04 工具调用 | Function Calling、MCP 协议、工具路由、安全 | 17+ 题 | 04-工具调用 |
| 05 记忆系统 | 短期/长期记忆、摘要压缩、记忆检索策略 | 20 题 | 05-记忆系统 |
| 06 多智能体 | 协作模式、通信机制、冲突解决、主流框架 | 20 题 | 06-多智能体系统 |
| 07 大模型基础 | Transformer、Attention、KV Cache、LoRA、RLHF/DPO | 28 题 | 07-大模型基础 |
| 08 工程化实践 | 模型路由、熔断器、Token 优化、可观测性、部署 | 29+ 题 | 08-工程化实践 |
| 09 Prompt 工程 | CoT、Few-shot、ReAct 模板、Prompt 注入防御 | 28 题 | 09-Prompt工程 |
支撑材料
| 章节 | 内容 | 链接 |
|---|---|---|
| 企业招聘分析 | 大厂岗位需求汇总（腾讯/小红书/字节等） | 10-企业招聘分析 |
| 开源项目学习笔记 | Claude Code、ragent 等开源项目剖析 | 11-开源项目学习笔记 |
| 简历撰写指南 | AI Agent 简历写法、STAR 法则模板 | 12-简历撰写指南 |
| STAR 面试稿 | 可朗读练习的完整面试话术 | 13-STAR面试稿 |
| 项目面试问答集 | 90+ 道项目面试题及 STAR 回答 | 14-项目面试问答集 |
学习路线
完全小白（建议顺序）
- 学习 面试八股文，从基础概念开始
- 查看 企业招聘分析，了解市场需求
- 选择一个语言版本的项目进行实战（Python / Java / Go）
- 准备 简历 和 面试稿
- 用 面试问答集 模拟面试
有一定基础（按优先级）
01-基础概念 → 09-Prompt工程 → 03-RAG技术 → 04-工具调用 → 02-核心框架 → 05-记忆系统 → 06-多智能体 → 07-大模型基础 → 08-工程化实践
面试前一晚速查
重点复习以下高频考点：
- ReAct 循环（02）
- RAG 完整流程与优化（03）
- MCP vs Function Calling（04）
- 记忆系统设计（05）
- 多 Agent 协作模式（06）
- 三态熔断器（08）
- ReAct Prompt 模板（09）
重点优先级：
02-核心框架（ReAct 必考）→03-RAG技术（高频）→04-工具调用（MCP 热点）→08-工程化实践（企业级加分）→ 其余模块查漏补缺。
实战项目技术架构（参考）
企业级智能客服 / 知识助手 Agent 平台，三个语言版本：
| 版本 | 技术栈 | 目标人群 |
|---|---|---|
| Python 版 | FastAPI + LangChain + Milvus + Redis | AI/算法岗、Python 后端 |
| Java 版 | Spring Boot 3 + Spring AI + MyBatis Plus + Milvus | Java 后端开发 |
| Go 版 | Gin + 自研框架 + Milvus + Redis | Go 后端、云原生岗 |
核心架构：
用户请求 → API 网关 → 意图识别 → Agent 编排器
├── ReAct Agent（思考-行动-观察循环）
├── 规划 Agent（任务分解与执行）
├── RAG Agent（知识检索与生成）
└── 反思 Agent（质量校验）
支撑层：
├── 多路检索引擎（向量 + BM25 + 混合检索 + RRF 融合）
├── 记忆系统（短期：Redis 滑窗 + 长期：向量数据库）
├── 工具系统（搜索、计算器、数据库查询 + MCP）
├── 模型路由（多模型候选 + 三态熔断器 + 自动降级）
├── 全链路追踪（每步操作的 Trace 记录）
└── 文档 ETL（PDF/Word 解析 → 分块 → 向量化 → 入库）用户请求 → API 网关 → 意图识别 → Agent 编排器
├── ReAct Agent（思考-行动-观察循环）
├── 规划 Agent（任务分解与执行）
├── RAG Agent（知识检索与生成）
└── 反思 Agent（质量校验）
支撑层：
├── 多路检索引擎（向量 + BM25 + 混合检索 + RRF 融合）
├── 记忆系统（短期：Redis 滑窗 + 长期：向量数据库）
├── 工具系统（搜索、计算器、数据库查询 + MCP）
├── 模型路由（多模型候选 + 三态熔断器 + 自动降级）
├── 全链路追踪（每步操作的 Trace 记录）
└── 文档 ETL（PDF/Word 解析 → 分块 → 向量化 → 入库）