Agent
校招考察频度：★ 高频（核心必背·高频生死线） 复习主线：Agent 是“大模型负责动态决策，软件工程负责确定性可控”的现代系统工程。校招面试核心聚焦点：LLM 基础（Transformer 架构演进、自注意力机制、KV Cache 推理加速、幻觉成因与治理）、Agent 核心要素（Tool Use 循环、短期/长期/工作记忆）、经典范式（ReAct vs Plan-and-Execute vs 预定义 Workflow 选型权衡）、RAG 检索增强全链路（父子分块索引、语义与关键词混合检索、重排 Rerank、防丢中间 Lost in the Middle）、MCP 开放工具协议与 LangGraph 复杂多轮状态机。
Agent（智能体）是 2027 校招及未来的核心爆发方向：大模型负责灵性决策，后端工程负责可靠落地。
分类考频地图
| 分类 | 核心页面链接 | 校招考频星级 | 重点考查要点 |
|---|---|---|---|
| LLM 基础 | LLM 基础 | ★ 高频（底座必考） | Transformer 核心、注意力机制（MHA/MQA/GQA）、KV Cache 推理显存与自回归生成、幻觉治理与大模型评估 |
| 基本概念 | 基本概念 | ★ 高频（核心必考） | Agent 四要素（规划/记忆/工具/行动）、Tool Use 循环状态机、短期 vs 长期记忆向量化存储 |
| Agent 范式 | Agent 范式 | ★ 高频 | ReAct 单步思考行动观测、Plan-and-Execute 先规划后执行、Agentic Workflow（代码预定义走向 vs 运行时动态决策） |
| RAG 体系 | RAG | ★ 高频（项目必问） | 分块粒度悖论与父子块检索、密集向量与 BM25 混合检索、Cross-Encoder 交叉注意力重排、RAG 评估 Ragas |
| Agent Engineering | Agent Engineering | ★ 高频 | Prompt 工程、上下文压缩与滑动窗口、Harness 约束护栏（Guardrails）、Loop 死循环检测与超时兜底 |
| MCP 工具协议 | MCP | ★ 高频 | Model Context Protocol 原语（Resources/Prompts/Tools）、Client-Host-Server 架构、SSE 与 stdio 传输机制 |
| LangChain 生态 | LangChain 生态 | ★ 高频 | LangChain LCEL 声明式管道、LangGraph 有状态图（StateGraph/Checkpoint/Interrupt 人机协同）、DeepAgents 极简设计 |
| LLM 应用工程 | 应用工程 | ☆ 中频 | OpenAI 兼容接口标准、SSE 流式打字机传输、Function Calling 结构化输出、成本与 Token 监控 |
学习路径
- 先 LLM 基础：Transformer 和注意力是所有后续的地基（面试第一问常是”讲一下 Transformer”）
- 再 Agent 概念：Agent 是什么、工具怎么接、记忆怎么分
- 范式与工程：经典范式（ReAct）和工程四层（Prompt/Context/Harness/Loop）
- RAG 与框架：检索链路 + 用 LangChain 生态落地
- 热点补充：MCP、应用工程
面试主线
- 原理题：Transformer 架构、注意力优化（GQA/RoPE/KV cache）、幻觉成因与缓解、评估基准
- 概念题：Agent 四要素、Tool Use 循环、记忆三分法、范式对比（ReAct vs Plan-and-Execute）
- 工程题：上下文工程、Agent 评估、安全与 Guardrails、框架选型（create_agent vs LangGraph vs DeepAgents）
- 项目题：RAG 链路、工具调用、流式输出、成本控制（见各分类）
面试追问
- Agent 面试最常问什么？ LLM 基础（Transformer/幻觉/评估）和 Agent 概念（工具/记忆/循环）。原理优先于框架
- 学习顺序？ LLM 基础 → Agent 概念 → 范式 → 工程 → RAG → 框架。地基不牢框架白搭
- Agent 和传统后端的区别？ 不确定性：输出不可预测，工程层要评估、兜底、可观测（见应用工程篇）
- 框架要背多深？ 原理（循环、持久化、中断）比 API 细节重要。LangGraph 的 checkpoint/interrupt 是高频考点
- 怎么准备项目题？ 一个完整的 RAG 或 Agent 项目，讲清链路、难点（幻觉/成本/评估）和取舍