Agent 面试（旧版）

以「面试官追问 + 答题人翻车 + 系统解析」的对话形式，把大模型高频面试题讲透。
全系列共 340+ 题，覆盖从理论基础到工程落地、Spring AI 项目实战的完整知识图谱。

📚 章节导航

01

模型架构与基础

Transformer · 注意力机制 · 位置编码 · GPT/BERT/LLaMA 架构 · KV Cache

40 题 · Q1–Q40

02

大模型训练技术

预训练流程 · 数据工程 · 分布式训练（DP/TP/PP/ZeRO）· SFT · RLHF/DPO 对齐

61 题 · Q41–Q101

03

推理优化与部署

量化（PTQ/QAT/GPTQ/AWQ）· FlashAttention · vLLM/PagedAttention · MoE 架构

23 题 · Q102–Q124

04

RAG 检索增强生成

离线索引 · Chunking · Embedding · 向量检索 · Rerank · 向量数据库

33 题 · Q125–Q157

05

AI Agent

工具调用 · MCP 协议 · 多 Agent 架构 · 记忆机制 · LangChain/LangGraph

43 题 · Q158–Q200

06

Prompt Engineering 与评测

CoT · Few-shot · 角色扮演 · 结构化输出 · 大模型评测体系

Q201–Q217

07

幻觉、安全与多模态

幻觉根因 · 价值观对齐 · Prompt 注入 · 红队测试 · 多模态模型

9 题 · Q218–Q226

08

系统设计与进阶前沿

大模型系统设计 · DeepSeek-R1/MoE · SSE 流式 · 大厂真题 · Spring AI

65 题 · Q236–Q300

09

Spring AI 高级特性

ETL数据处理 · 模块化RAG · Advisor机制 · MCP协议 · 工具调用 · 查询优化

8 题 · Q301–Q308

10

AI 智能体项目实战

架构设计 · 多轮对话 · ReAct/CoT · Agent Loop安全 · 性能优化 · 测试评估

5 题 · Q326–Q330

🗺️ 知识图谱

大模型知识体系
├── 基础理论
│   ├── 01 模型架构与基础   ← 搞懂 Transformer 和各类 LLM 架构
│   └── 02 大模型训练技术   ← 预训练 → SFT → RLHF 全流程
├── 工程实践
│   ├── 03 推理优化与部署   ← 量化/加速/高并发服务
│   ├── 04 RAG 检索增强     ← 知识库接入与检索精度提升
│   ├── 05 AI Agent         ← 工具调用/多 Agent 协作
│   └── 06 Prompt Engineering ← 让模型输出更可控
├── 进阶技能
│   ├── 07 幻觉与安全       ← 可靠性与风险防控
│   ├── 08 系统设计与前沿   ← 大厂真题 + 最新技术动向
│   └── 09 Spring AI 高级   ← ETL/Advisor/MCP/工具调用
└── 综合应用
    └── 10 AI项目实战       ← 架构设计/ReAct/CoT/项目经验

💡 如何使用本笔记

• 准备面试：按章节顺序过一遍，重点看「💡 简要回答」和「🎯 面试总结」
• 查漏补缺：利用右侧大纲（Outline）快速定位具体题目
• 深入学习：展开「📝 详细解析」，理解底层原理和工程细节
• 搜索特定知识点：使用顶部搜索框（Ctrl+K / Cmd+K）全文检索