AIAgent面试八股

针对 AI Agent 应用开发岗面试，覆盖 RAG、工具调用与 Agent 框架的核心八股考点。

科技 · AI · 面试 · 大模型 · 职业发展 · 人工智能 · 作者：boyne · 5 人学过

学什么：RAG 核心流程与高频考点、工具调用原理与主流协议、Agent 框架工程实践、Prompt 编写要点、Agent 记忆与任务规划机制

不学什么：模型训练与微调、底层算法实现、多模态/具身智能等非应用岗方向

知识地图

  1. Agent 基础概念与 LLM Agent 整体架构

    能说清 AI Agent 的定义、四大核心组件及其与普通 LLM 应用、Agentic Workflow 的关系。

    本章是为后续 5 个核心模块（Prompt、RAG、记忆与规划、工具调用、框架选型）铺路的先导章节，回答「什么是 AI Agent、它和普通 LLM 应用有何不同」这个根问题，建立 LLM Agent = LLM + 记忆 + 规划 + 工具四大组件的整体认知框架。

  2. Prompt 编写要点与结构化提示

    能写出清晰、可控、可复现的 Agent Prompt，并能用 CoT 等技巧让 LLM 完成复杂任务。

    Prompt 是 Agent 与 LLM 交互的「指令语言」。本章回答「怎么写好 Prompt 让 Agent 行为可控」，是后续任务规划、工具调用等章节的写作基础。

  3. RAG 核心流程与高频考点

    能用「索引—召回—重排—生成」四段链路完整描述 RAG，并回答常见面试追问。

    本章回答「RAG 的端到端链路与面试必考点」，按索引、检索、重排、生成四段拆解高频问题，承接学习者已有 RAG 基础并对齐面试口径。

  4. Agent 记忆与任务规划机制

    能区分短期与长期记忆的工程实现，能讲清 ReAct 等主流规划范式，并理解反思机制在 Agent 自主性中的作用。

    本章回答「Agent 怎么管理上下文、怎么拆解和执行任务、怎么从错误中恢复」三个根问题，覆盖短期/长期记忆、ReAct 规划、任务分解、Reflexion 反思机制，是 Agent 自主性的核心。

  5. 工具调用原理与主流协议（Function Calling / MCP）

    能讲清 Function Calling 的工作流程与 MCP 协议的核心架构，并对比两者关系、回答常见工程追问。

    本章回答「Agent 怎么调用外部工具、通信协议长什么样」，从 Function Calling 演进到 MCP，是 Agent 工程化落地的高频考点。

  6. Agent 框架工程实践与选型

    能横向对比 AutoGen、CrewAI、LangGraph 的定位与适用场景，并给出面试级选型回答。

    本章收束前面所有原理（Prompt、RAG、记忆规划、工具调用），回答「主流 Agent 框架怎么选、各自定位是什么」的工程面试题，覆盖 AutoGen、CrewAI、LangGraph 三大框架。