搜索
题面、参考答案、追问链、教程小节与知识点都在索引里 —— 搜口语化问法（「两路召回怎么合并」）、 搜术语（「HNSW」）、或直接输题号（「Q2-10」）都能落到具体那一段。
全部题目115 道
第 1 章 · LLM 与 Prompt 基础
- Q1-01Token 是什么？为什么说上下文窗口是大模型应用的第一约束？
- Q1-02大模型是怎么生成下一个字的？自回归生成和 KV Cache 是什么关系？
- Q1-03temperature 和 top_p 分别在调什么？什么场景调低、什么场景调高？
- Q1-04system prompt 和 user prompt 有什么区别？为什么指令要放 system？
- Q1-05大模型为什么会幻觉？应用层能做哪些缓解？
- Q1-06Embedding 是什么？为什么语义相近的两句话向量距离就近？
- Q1-07推理模型（thinking 类）和普通模型有什么区别？什么任务值得用？
- Q1-08说说你常用的 Prompt 技巧；few-shot 什么时候有效、什么时候反而有害？
- Q1-09CoT 为什么有效？推理模型时代还需要手写 CoT 吗？
- Q1-10怎么让模型稳定输出合法 JSON？结构化输出的几种实现与兜底策略？
- Q1-11什么是上下文工程？它和提示词工程是什么关系？
- Q1-12什么是 context rot？为什么上下文越长模型反而变笨？
- Q1-13多轮历史越来越长你怎么压缩？compaction 时什么必须保真？
- Q1-14Prompt 缓存是什么原理？怎么设计 prompt 才能「缓存友好」？
- Q1-15什么是提示词注入？你的应用怎么防？
第 2 章 · RAG 工程化
- Q2-01完整讲一遍 RAG 链路：从文档进来到答案出去，每一步在解决什么问题？
- Q2-02有了百万级长上下文，为什么还要 RAG？「RAG 已死」你怎么看？
- Q2-03Chunking 粒度怎么定？固定切分会出什么问题？
- Q2-04什么是语义切分？重叠窗口、按标题层级切分各解决什么问题？
- Q2-05表格、代码、扫描件这类「脏文档」怎么处理进 RAG？
- Q2-06Embedding 模型怎么选？看哪些指标？维度越大越好吗？
- Q2-07HNSW 是怎么做近似最近邻的？相比暴力检索牺牲了什么？
- Q2-08Milvus / Chroma / pgvector / Elasticsearch 怎么选？
- Q2-09为什么纯向量检索会漏召回？什么 query 天生适合 BM25？
- Q2-10混合检索里 BM25 和向量的分数怎么融合？为什么很多团队直接用 RRF？
- Q2-11Rerank 是什么？有了向量检索为什么还要重排？
- Q2-12双塔和交叉编码器的区别？为什么不直接用 cross-encoder 检索全库？
- Q2-13用户 query 很口语很含糊，怎么做查询改写？HyDE 的思路是什么？
- Q2-14多数据源（向量库 / SQL / 图谱 / API）的检索路由怎么设计？
- Q2-15RAG 的召回率怎么评估？测试集从哪来？
- Q2-16RAGAS 这类框架评的是什么？faithfulness 和 answer relevancy 有何区别？
- Q2-17用户说「答非所问」，你怎么归因是检索问题还是生成问题？
- Q2-18说一个你处理过的最难的 RAG badcase
- Q2-19什么是 Agentic RAG？和固定管线比强在哪、贵在哪？
- Q2-20GraphRAG 解决什么问题？什么场景值得付出数倍索引成本？
- Q2-21LightRAG 相比微软 GraphRAG 轻在哪？
- Q2-22多模态 RAG（图表、PDF 截图检索）是怎么做的？
- Q2-23知识库更新了，向量索引怎么增量更新？删除的文档怎么办？
- Q2-24引用溯源怎么实现？怎么防模型「标了引用却胡编」？
- Q2-25给你一个新场景，怎么决定用 Naive / Advanced / Agentic / Graph 哪种架构？
第 3 章 · Agent 开发
- Q3-01什么是 Agent？和 workflow、和「调用一次大模型」的本质区别？
- Q3-02什么时候该用 workflow，什么时候该上 Agent？盲目上 Agent 会踩什么坑？
- Q3-03Function Calling 的完整机制——模型真的「调用」函数了吗？
- Q3-04工具的 schema 和描述怎么设计，模型才能选得准、填得对？
- Q3-05并行工具调用什么时候用？工具结果太长塞爆上下文怎么办？
- Q3-06手写一个最小 ReAct 循环：退出条件和死循环兜底怎么设计？
- Q3-07ReAct、Plan-and-Execute、Reflection 三种范式的区别与选型？
- Q3-08MCP 是什么？它和 Function Calling 是什么关系、解决了 FC 的什么问题？
- Q3-09MCP 的三大原语（Tools / Resources / Prompts）分别干什么？
- Q3-10接入第三方 MCP Server 有什么安全风险？工具投毒、越权怎么防？
- Q3-11A2A 协议解决什么问题？和 MCP 是竞争还是互补？
- Q3-12Agent 的记忆系统怎么设计？短期、长期记忆分别放哪？
- Q3-13上下文快满了：滑动窗口 / 摘要压缩 / 重要性过滤怎么选？压缩丢了关键决定怎么办？
- Q3-14跨会话记忆怎么做？记忆检索和 RAG 是一回事吗？
- Q3-15多 Agent 有哪些编排模式？orchestrator-workers 适合什么场景？
- Q3-16多 Agent 一定比单 Agent 好吗？什么时候反而是灾难？
- Q3-17LangGraph / OpenAI Agents SDK / ADK / CrewAI 怎么选？为什么不少团队最后自己写循环？
- Q3-18Agent 跑偏或幻觉了怎么办？护栏在架构里放哪几层？
- Q3-19什么是分级自治？高危操作（写库 / 发邮件 / 付款）怎么设计人工确认？
- Q3-20什么是 Harness 治理？为什么说 Agent 的能力一半在模型一半在 harness？
- Q3-21Agent 怎么评测？只看最终结果不看轨迹会漏掉什么？
- Q3-22Agent 的 trace 怎么做？出了问题怎么定位是哪一步错的？
- Q3-23Agent 每轮都调大模型，太贵太慢，成本和延迟怎么优化？
- Q3-24Agent Skills 是什么？和把说明全写进 system prompt 有什么区别？渐进式披露解决什么？
- Q3-25从零设计一个能查库存、能下单的电商客服 Agent，讲讲整体架构
第 4 章 · 微调与对齐
- Q4-01SFT、RLHF、DPO 分别在做什么？用一条主线把后训练串起来
- Q4-02DPO 为什么能绕开奖励模型？和 RLHF/PPO 比有什么取舍？
- Q4-03GRPO 是什么？为什么推理模型训练里常见？
- Q4-04LoRA 的原理是什么？为什么加两个低秩矩阵就能微调？
- Q4-05LoRA 的 r 和 alpha 怎么设？QLoRA 又省在哪？
- Q4-06微调 7B 模型，全参和 LoRA 各要多少显存？怎么估算？
- Q4-07什么问题该微调、什么问题该 RAG、什么问题写好 prompt 就够了？
- Q4-08基座模型半年一大版，你去年微调的模型还有价值吗？微调的护城河在哪？
- Q4-09微调数据从哪来？怎么保证质量？多少条够？
- Q4-10什么是蒸馏？用大模型造数据训小模型要注意什么（含合规）？
- Q4-11微调后"学会了新任务但变笨了"怎么办？
- Q4-12你简历里那次微调，效果提升怎么量化的？和 few-shot 基线比过吗？
第 5 章 · 评测与可观测
- Q5-01AI 应用上线前怎么评测？评测集怎么建、多少条起步？
- Q5-02离线评测分很高，上线效果差——可能出了什么问题？
- Q5-03LLM-as-Judge 是什么？它自己有哪些偏差？怎么校准？
- Q5-04主观任务（文案 / 对话质量）怎么评？人工评测怎么设计才靠谱？
- Q5-05Agent 的轨迹评估和单轮问答评估有什么不同？
- Q5-06一次多轮 Agent 请求的 trace 里应该记哪些东西？
- Q5-07线上怎么发现质量回退？没有标准答案的场景怎么定监控指标？
- Q5-08换了新模型 / 新 prompt，怎么科学地做回归测试和 A/B？
- Q5-09用户点赞点踩怎么用起来，形成数据飞轮？
- Q5-10印象最深的一次线上质量事故，怎么定位和修的？
第 6 章 · 部署与成本
- Q6-01直接调 API 和自建开源模型推理，这笔账怎么算？
- Q6-02vLLM 为什么快？PagedAttention、continuous batching 解决什么？
- Q6-03KV Cache 是什么？为什么长上下文推理显存爆炸？
- Q6-04流式输出怎么实现？SSE 和 WebSocket 怎么选？
- Q6-05实时语音链路怎么搭？级联 ASR→LLM→TTS 和端到端语音模型的取舍？
- Q6-06什么是 LLM 网关？限流、降级、多模型路由怎么设计？
- Q6-07语义缓存是什么？什么场景省大钱、什么场景会答错话？
- Q6-08模型路由（简单问题走小模型）怎么判断「简单」？
- Q6-09应用 token 成本突然涨了 3 倍，怎么排查和治理？
- Q6-10高峰期上游 API 限流了，你的应用怎么优雅降级？
全部教程47 篇
模块 0 · 大模型基础
模块 1 · Prompt 与上下文工程
模块 2 · RAG 工程化
模块 3 · Agent 开发
- T3-1Agent 与 Workflow 的边界——控制权归谁
- T3-2Function Calling 机制与工具设计——模型其实没有调用任何函数
- T3-3手写最小 ReAct 循环——退出条件才是真正的考点
- T3-4MCP 协议与 2026 无状态改版——从 M×N 到 M+N，再到能扛住负载均衡
- T3-5A2A 协议与 Agent 间通信——把对方当黑盒，而不是把对方的工具搬过来
- T3-6Agent 记忆系统与上下文压缩——被摘要掉的那条约束
- T3-7三种 Agent 范式的取舍——ReAct、Plan-and-Execute、Reflection
- T3-8多 Agent 编排——唯一正当的理由是上下文隔离
- T3-9Agent 框架选型——你在选的是"交出多少控制权"
- T3-10护栏、分级自治与 Harness 治理——能力的另一半不在模型里
- T3-11Agent 评测与 trace——它们会以"看起来成功"的方式失败
- T3-12成本与延迟优化 + Agent Skills——把"什么时候加载"变成架构变量
模块 4 · 微调与对齐
模块 6 · 部署与成本
全部知识点105 个
Agent 开发
- Agent 与 Workflow 的边界
- Workflow 还是 Agent：选型判据
- Agent 记忆系统
- 跨会话记忆与 RAG 的区别
- Function Calling 机制
- Agent 上下文管理与压缩策略
- 并行调用与工具结果治理
- 工具 schema 与描述设计
- MCP 协议：从 M×N 到 M+N
- ReAct 循环与退出条件
- Agent 成本与延迟优化
- Agent Skills 与渐进式披露
- A2A 协议与 Agent 间通信
- MCP 三大原语
- Agent 安全：工具投毒与越权
- 多 Agent 编排模式
- 护栏与可靠性
- Agent 框架选型
- Agent 评测：看轨迹而不只看结果
- Agent trace 与可观测性
- ReAct、Plan-and-Execute 与 Reflection
- 多 Agent 的取舍与典型死法
- 分级自治与人工确认
- Harness 治理