06.10 知识点全清单
所属:全栈开发面试题库 / 学习路径 / 06 AI Agent
下表可作为进度清单逐行打勾;「常见问题」一栏对应面试与实战中最容易被追问的点。
| 模块 | 知识点 | 必须掌握到什么程度 | 面试/实战常见问题 |
|---|---|---|---|
| 环境与工程 | Python 环境与依赖管理 | 会创建隔离环境、锁定依赖版本,理解 requirements 与虚拟环境作用 | 不同环境依赖不一致如何复现;依赖升级如何评估 |
| 环境与工程 | HTTP 客户端与 API 调用 | 会构造请求头、参数、鉴权,解析 JSON 响应并处理状态码 | 超时与连接失败如何重试;鉴权信息放在哪里 |
| 环境与工程 | 密钥与配置管理 | 理解环境变量注入,Key 不进代码与仓库 | 配置文件提交到仓库的风险;多环境配置如何隔离 |
| LLM 基础 | Transformer 与注意力机制直觉 | 能用自然语言解释注意力如何让模型聚焦相关上下文,不要求推导公式 | 上下文越长为什么越贵;注意力机制解决了什么问题 |
| LLM 基础 | token 与分词 | 理解模型按 token 计费与计数,知道不同语言分词差异 | 中文按字符还是按词算 token;token 与字数如何换算 |
| LLM 基础 | 上下文窗口与截断策略 | 理解窗口上限,掌握历史截断、摘要压缩与丢弃策略 | 超长上下文报错怎么处理;截断哪些历史信息 |
| LLM 基础 | 采样参数 | 掌握 temperature、top_p、max_tokens、stop 的作用与典型取值 | temperature 为 0 时是否完全确定;top_p 与 temperature 同时调整的取舍 |
| LLM 基础 | 模型能力边界 | 了解模型在代码、长文、多语言、数学、推理上的强弱差异 | 什么任务模型容易出错;如何判断任务该不该交给模型 |
| LLM 基础 | 多模态简述 | 理解图文、音频输入输出的基本形态与调用方式 | 多模态与纯文本链路的差异;视觉信息如何进入上下文 |
| LLM 基础 | 成本结构 | 掌握输入/输出 token 计价、缓存计费与用量统计方法 | 输入与输出计价为何不同;上下文缓存如何降低成本 |
| LLM 基础 | 模型选型方法 | 能按能力、延迟、成本、合规要求选择模型档位 | 简单任务是否值得用强模型;模型切换如何隔离 |
| Prompt 工程 | 指令结构 | 能按角色、任务、约束、输出格式组织提示词 | 指令冲突时以哪条为准;约束写在哪里最稳定 |
| Prompt 工程 | 结构化输出 | 会用 JSON Schema / function schema 定义输出契约,理解严格模式 | 模型不按 Schema 输出如何兜底;枚举与必填字段如何约束 |
| Prompt 工程 | few-shot 示例 | 掌握示例数量、选择与排布对效果的影响 | 示例太多带来什么成本;示例分布与真实分布不符的后果 |
| Prompt 工程 | CoT 与分步推理 | 理解分步推理提升推理类任务的条件,知道其滥用代价 | 什么场景不需要 CoT;分步后错误会在哪一步累积 |
| Prompt 工程 | 模板管理与版本化 | 提示词与代码分离,支持版本、回滚与变量注入 | 提示词变更如何做回归;模板变量与转义如何处理 |
| Prompt 工程 | Prompt 评测 | 会构建用例集与打分标准,区分自动打分与人工抽检 | 改 Prompt 后如何判断变好;评测集规模与覆盖度怎么定 |
| 工具调用 | Function Calling 消息格式 | 理解请求中工具定义、模型返回调用、结果回填的完整消息流 | 工具调用消息与普通对话消息的区别;多轮调用如何拼接 |
| 工具调用 | 工具设计原则 | 掌握工具描述、参数 Schema、粒度与幂等设计 | 工具拆太细或太粗分别有什么问题;写操作如何保证幂等 |
| 工具调用 | 错误返回与重试 | 工具失败返回可读错误信息,模型据此重试或改道 | 异常信息如何回传给模型;重试次数与退避怎么设 |
| 工具调用 | 并行工具调用 | 理解无依赖工具并行发起的条件与结果汇总方式 | 并行调用之间有依赖时如何处理;并发结果如何回填 |
| 工具调用 | MCP 协议 | 理解服务端/客户端角色、资源与工具两类能力、标准交互流程 | MCP 与自定义 Function Calling 的关系;协议解决了什么复用问题 |
| 工具调用 | 沙箱与权限控制 | 工具在隔离环境执行,按最小权限授权,敏感操作需确认 | 代码执行工具有哪些风险;文件与网络访问如何限制 |
| Agent 架构 | ReAct 循环 | 理解思考、行动、观察的交替循环与终止方式 | ReAct 与单次工具调用的区别;循环何时停止 |
| Agent 架构 | Plan-Execute | 理解先规划步骤再逐步执行的模式与计划调整机制 | 计划与执行脱节如何处理;动态环境下计划如何修订 |
| Agent 架构 | Reflection 自我修正 | 理解对中间结果自检、纠错与重试的机制 | 自我反思在什么情况下有效;反复反思不收敛怎么办 |
| Agent 架构 | 多智能体与 subagent | 掌握角色划分、任务委派、通信与冲突处理 | 主 Agent 与 subagent 如何传上下文;职责重叠如何界定 |
| Agent 架构 | 上下文管理 | 掌握压缩、摘要、检索式记忆等上下文裁剪手段 | 哪些历史必须保留;压缩后信息丢失如何补救 |
| Agent 架构 | 短期与长期记忆 | 理解会话内记忆、跨会话长期记忆的存储与检索方式 | 长期记忆如何按用户隔离;记忆内容如何去重与淘汰 |
| Agent 架构 | 长任务与断点续跑 | 理解状态持久化、检查点与从中断点恢复的机制 | 长任务状态存在哪里;失败重跑如何避免重复执行 |
| Agent 架构 | 停止条件与预算控制 | 掌握步数、token、时间、成本四类上限与兜底退出 | 预算耗尽时如何收尾;如何防止空转循环 |
| RAG | 文档解析与清洗 | 掌握 PDF、网页、表格等格式解析,清洗噪声与冗余 | 扫描件与复杂表格解析的难点;清洗保留哪些结构 |
| RAG | 切分策略 | 对比固定长度、语义切分、按结构切分的适用场景 | 切分过大或过小分别有什么检索问题;表格如何整体保留 |
| RAG | embedding 模型选择 | 理解向量维度、语义匹配能力与领域适配的取舍 | 中英文混合内容怎么选 embedding;模型更换后索引如何重建 |
| RAG | 向量库取舍 | 对比 pgvector、Milvus、Qdrant、Elasticsearch 向量检索的适用规模与运维成本 | 数据量不大时是否需要专用向量库;运维成本如何评估 |
| RAG | 元数据过滤 | 掌握按时间、部门、标签等标量条件过滤后再做向量检索 | 元数据与向量检索的执行顺序;过滤条件如何设计 |
| RAG | 混合检索 | 理解 BM25 关键词检索与向量语义检索的互补与融合 | 关键词匹配为什么不能被向量检索替代;两路结果如何合并排序 |
| RAG | 重排 rerank | 理解对召回结果二次精排的作用与模型/规则方式 | 召回 TopK 与重排后的保留数量;重排带来的延迟成本 |
| RAG | 上下文拼装与引用 | 掌握检索结果拼装进 Prompt 的方式与来源标注 | 引用如何对应到原文段落;多个来源冲突如何呈现 |
| RAG | 拒答与幻觉抑制 | 掌握置信度判断、资料不足拒答与答案约束手段 | 模型编造未检索到的信息如何识别;拒答边界如何定 |
| RAG | 增量更新与重建索引 | 理解文档新增、修改、删除对应的索引更新流程 | 索引与文档不一致如何排查;全量重建何时必要 |
| RAG | RAG 评测 | 理解召回、相关性、忠实度、答案相关性等指标含义 | RAGAS 各指标分别衡量什么;人工复核补哪些维度 |
| 工程化 | LangChain 与 LangGraph | 掌握模型与工具标准接口、状态图、节点、边与检查点 | LangChain 与 LangGraph 的分工;状态图与普通链的区别 |
| 工程化 | 其他编排框架 | 了解 LlamaIndex、AutoGen、OpenAI Agents SDK 的定位与边界 | 不同框架的核心抽象差异;何时直接用 SDK 而不引框架 |
| 工程化 | 低代码平台 | 理解 Dify/Coze 类平台的适用场景与生产迁移边界 | 平台能做什么、不能做什么;数据与流程如何迁出 |
| 工程化 | 服务化与流式 | 掌握异步接口设计、SSE 流式返回与首字延迟优化 | 流式中断如何处理;异步任务与同步请求如何划分 |
| 工程化 | 可观测性 | 掌握 trace 记录、数据集沉淀、回放与问题定位方法 | 一条 Agent 链路要记录哪些字段;trace 如何关联到用户会话 |
| 工程化 | 成本与延迟优化 | 掌握语义缓存、批处理、模型分级与流式首字延迟手段 | 缓存命中如何判断;模型分级路由按什么规则 |
| 工程化 | 降级、限流与灰度 | 掌握超时降级、并发限流、版本灰度与回滚 | 模型不可用时降级到什么;灰度按流量还是按人群切 |
| 安全 | 提示注入 | 理解直接注入与间接注入(资料中夹带指令)的成因与防御 | 检索文档里的恶意指令如何隔离;输入与指令如何分层 |
| 安全 | 越权工具调用 | 掌握工具级鉴权与用户数据范围校验,防止跨用户操作 | 工具如何拿到调用方身份;写操作如何做权限二次校验 |
| 安全 | 数据外泄与过滤 | 理解敏感信息识别、脱敏与输出过滤,防止隐私数据出域 | 哪些字段不能进入 Prompt;输出如何做敏感信息检查 |
| 安全 | 审计与合规 | 掌握审计日志留痕、内容合规审核与工具最小权限原则 | 哪些操作必须留审计;模型输出为什么不能直接信任 |
| 评测落地 | 离线评测集构建 | 掌握正常、边界、对抗用例的组织与版本管理 | 评测集如何覆盖业务场景;用例重复与过拟合如何避免 |
| 评测落地 | 线上 A/B 与回归 | 理解灰度对比、回归测试与 bad case 回流闭环 | 线上指标与离线评测不一致如何排查;回归集如何扩充 |