AI Agent 工程师 - 通用技术知识点

跨公司高频考点汇总，适用于所有大厂 Agent 岗面试准备。

一、Agent 核心知识体系

1. Agent 四大模块

规划（Planning）：任务分解、CoT、ToT、ReAct、Plan-and-Execute
记忆（Memory）：短期（上下文窗口）、长期（向量 DB）、工作记忆（任务状态）
工具（Tool Use）：Function Calling、MCP 协议、工具注册发现
行动（Action）：执行、观察、反思循环

2. 主流 Agent 框架对比

框架	特点	适用场景
LangChain	生态丰富，组件多	快速原型
LangGraph	状态机式编排，可控性强	生产级应用
AutoGen	多 Agent 对话框架	多智能体协作
MetaGPT	SOP 驱动的多 Agent	软件工程任务
CrewAI	角色化多 Agent	团队协作模拟

3. Agent 设计模式

ReAct：Reasoning + Acting 交替
Plan-and-Execute：先制定计划再执行
Reflexion：自我反思改进
Tool-use Agent：以工具调用为核心
Manager-Worker：管理者分配，工人执行

二、RAG 完整知识体系

索引优化

文档分块策略：固定长度、语义分块、递归分块
Embedding 模型选择：BGE、E5、text-embedding-3
元数据标注：来源、时间、类别

检索优化

混合检索：向量 + BM25
重排序：Cross-Encoder Reranker
Query 改写：HyDE、Multi-Query

生成优化

上下文压缩
Citation 生成（标注来源）
自一致性校验

评估指标

检索：Recall@K、MRR、NDCG
生成：Faithfulness、Relevance、Answer Correctness
框架：RAGAS、DeepEval

三、大模型八股文

Transformer 核心

Self-Attention: softmax(QK^T/√dk)V
Multi-Head: 并行多组 QKV
FFN: 两层线性 + 激活函数
Layer Norm + Residual

位置编码

正弦余弦（原始 Transformer）
可学习位置编码
RoPE（旋转位置编码）—— 当前主流
ALiBi（线性偏置）

解码策略

Greedy Search：取 argmax，快但质量差
Beam Search：保留 top-k 路径
Top-K Sampling：从 top-k token 采样
Nucleus (Top-P) Sampling：从累积概率 > p 的 token 中采样
Temperature：控制分布平滑度

训练技术

SFT（有监督微调）
RLHF（人类反馈强化学习）
DPO（直接偏好优化）
LoRA / QLoRA（高效参数微调）

推理优化

KV Cache
PagedAttention (vLLM)
Continuous Batching
量化（INT8/INT4/GPTQ/AWQ）
投机采样（Speculative Decoding）

四、系统设计常考题

设计一个通用 Agent 框架
设计一个 RAG 系统
设计一个多 Agent 协作平台
设计工具注册与发现系统
设计 Agent 评估体系

五、计算机基础（不要忽略！）

数据结构 & 算法

数组、链表、栈、队列、哈希表
二叉树、图、堆
排序、搜索、动态规划、回溯

网络

TCP 三次握手/四次挥手
HTTP/HTTPS/HTTP2/HTTP3
WebSocket（AI 流式输出常用）

数据库

MySQL：事务 ACID、隔离级别、索引 B+ 树
Redis：数据结构、持久化（RDB/AOF）、集群
向量数据库：Milvus、Pinecone、FAISS

操作系统

进程 vs 线程 vs 协程
死锁条件与预防
内存管理

六、面试准备 Checklist

准备 1-2 个 Agent 项目，能讲清楚每个技术决策
手写 RAG pipeline
理解 Transformer 每个组件
刷 50+ LeetCode（Medium 为主）
了解目标公司的 AI 产品和业务
准备"为什么选这个技术"的回答
了解 MCP/A2A 等新协议
读 1-2 篇 Agent 相关论文（如 ReAct、Reflexion、LATS）