跳到主要内容

附录与资料索引

以下保留整理稿的附录。论文年代与项目能力可能随版本和发表口径不同,请结合原论文核实。工程笔记中引用的官方页面见 AI 资料导航。

例如原表将 Graph of Thoughts 标为 2024;其 arXiv 首次提交为 2023 年,参见 原论文。框架、数据库与评测工具也并非互相等价,选型需按实际能力划分。

附录 A:AI Agent 核心论文清单​

论文核心贡献一句话总结
ReAct (Yao et al., 2022)推理+行动结合将推理与行动交错,提升 Agent 决策能力
Chain-of-Thought (Wei et al., 2022)链式推理通过"逐步思考"提升复杂推理能力
Tree of Thoughts (Yao et al., 2023)树状搜索推理多路径探索+评估,优于线性 CoT
Reflexion (Shinn et al., 2023)自我反思失败后反思并记忆,实现自我改进
Self-Ask (Press et al., 2022)自问自答显式分解问题,处理多跳推理
ToolFormer (Schick et al., 2023)自监督工具学习模型自动学会何时调用工具
Gorilla (Patil et al., 2023)API 调用模型检索感知训练,1600+ API 准确调用
Self-RAG (Asai et al., 2023)反射标记检索模型自主决定何时检索、评估检索
CRAG (Corrective RAG, 2024)纠正式检索检索质量评估+自动纠正
Adaptive RAG (2024)自适应检索按问题难度动态选择检索策略
Storm (2024)多视角调研模拟多专家提问,生成深度报告
Graph of Thoughts (2024)图结构推理节点互联聚合,超越树结构

附录 B:核心开源项目与工具​

类别项目用途
框架LangGraph有状态多 Agent 编排
框架CrewAI角色基础多 Agent
框架AutoGen对话式多 Agent
框架LangChainLLM 应用基础工具
RAGLlamaIndexRAG 与检索
RAGDSPy声明式 Prompt 优化
记忆Milvus / Pinecone向量数据库
可观测LangSmith / LangfuseAgent 评估与追踪
协议MCP (Model Context Protocol)Agent-工具标准接口
协议A2A (Agent-to-Agent)Agent 间通信标准
工具outlines / guidance结构化输出约束

附录 C:常见面试考点速查表​

考点核心要点高频度
ReAct 模式Thought-Action-Observation 循环★★★★★
Agent vs LLM自主性/反馈闭环/工具使用★★★★★
Function Calling工作原理、Constrained Decoding★★★★★
提示注入防御多层防御、权限控制★★★★★
短期/长期记忆STM/LTM 设计、压缩策略★★★★
Agentic RAG多步检索、动态决策★★★★
Multi-Agent编排模式、通信协作★★★★
MCP 协议工具标准接口★★★★
Constrained DecodingJSON Schema 约束生成★★★
工具注册中心Schema 存储、版本管理★★★
评估指标成功率/工具准确率/延迟★★★
可观测性日志/指标/追踪★★★
自我反思Reflexion 机制★★★
Agent 微调行动序列训练★★

附录 D:推荐学习资源​

官方文档:

  • OpenAI Function Calling 文档
  • Anthropic MCP 文档
  • LangGraph 文档
  • DSPy 文档

书籍/课程:

  • 《Building LLM-Powered Applications》
  • LangChain / LangGraph 官方教程
  • DeepLearning.AI 的 Agent 相关课程

社区/博客:

  • 各大模型厂商技术博客
  • Hugging Face 博客
  • 知乎/公众号优质技术专栏

附录 E:免责声明与勘误​

免责声明:

  • 本文档内容基于公开资料、技术博客、行业交流整理,供学习和面试准备参考。
  • "来源"标注为基于知识点分布整理的模拟方向,Q181-Q200 及面经题并非某公司某次面试的原题。
  • 文中提及的公司(字节跳动、阿里巴巴、腾讯等)仅作为场景示例,不代表实际面试题来源。
  • 技术细节(如 API 能力、模型版本)以各厂商最新官方文档为准,本文档整理时可能已过时。
  • 实际面试题目可能因岗位、部门、面试官不同而有显著差异,本文档不能替代针对性的准备。

勘误联系:如需指出错误或建议改进,请保留本文档来源说明后反馈,作者将定期更新。


全文完:本手册共整理 12 大章节、214 道面试题(含补充题),覆盖 AI Agent 基础概念、核心设计模式、Function Calling、记忆系统、Multi-Agent、Agentic RAG、训练对齐、安全、评估、系统设计、业务场景与面经高频题。祝面试顺利!