AI 与 LLM#

知识脉络#

AI Agent + LLM
├── LLM 基础
│   ├── Transformer 架构
│   ├── LLM 推理优化（KV Cache / 批处理）
│   ├── LLM 评测方法
│   └── 大模型幻觉与缓解
├── 表示与检索（RAG）
│   ├── Embedding 原理与选型
│   ├── 向量数据库选型
│   ├── RAG 架构与实现
│   ├── RAG 分块与召回策略
│   └── Agentic RAG 与高级检索
├── Agent 核心
│   ├── Agent 设计模式（ReAct / Plan-and-Execute）
│   ├── Reflection 与自我修正模式
│   ├── Function Calling 与工具编排
│   ├── 结构化输出与约束解码
│   ├── Agent 记忆与上下文工程
│   ├── 意图识别与任务路由
│   └── 多 Agent 协作架构
├── Agent 工程化
│   ├── AI Agent 系统设计方法论
│   ├── Agent Runtime 与 Checkpoint 机制
│   ├── 多 Agent 调度与失败传播
│   ├── Agent 可观测性与质量保障
│   └── Agent 评测平台设计
├── 平台与治理
│   ├── MCP 协议原理
│   ├── MCP 生产治理与安全加固
│   ├── Agent 安全与 Prompt Injection 防御
│   ├── Guardrails 与输出安全护栏
│   ├── AI 应用成本优化
│   ├── AI 应用成本与质量量化治理
│   ├── 多租户隔离与配额治理
│   ├── 长期记忆治理与多租户隔离
│   └── RAG 与 Agent 生产化实践
└── 微调与框架
    ├── LoRA / QLoRA 微调
    ├── Prompt 工程最佳实践（CoT / ReAct / ToT）
    ├── LangChain 核心概念
    ├── Spring AI 核心概念与架构
    ├── Spring AI Alibaba 框架
    ├── AI Agent 技术趋势与框架选型
    └── Agent 面试高频追问速查

plaintext

知识点清单#

LLM 基础#

#	题目	频率	难度	状态
1	Transformer架构	高	困难	done
2	LLM推理优化	中	困难	done
3	LLM评测方法	中	进阶	done
4	大模型幻觉与缓解	高	进阶	done

表示与检索（RAG）#

#	题目	频率	难度	状态
5	Embedding原理与选型	高	进阶	done
6	向量数据库选型	高	进阶	done
7	RAG架构与实现	极高	进阶	done
8	RAG分块与召回策略	高	进阶	done
9	[Agentic RAG与高级检索](/topics/ai-llm/Agentic RAG与高级检索)	高	困难	done

Agent 核心#

#	题目	频率	难度	状态
10	Agent设计模式	极高	困难	done
11	Reflection与自我修正模式	高	困难	done
12	[Function Calling与工具编排](/topics/ai-llm/Function Calling与工具编排)	极高	进阶	done
13	结构化输出与约束解码	高	进阶	done
14	Agent记忆与上下文工程	极高	困难	done
15	意图识别与任务路由	高	进阶	done
16	多Agent协作架构	中	困难	done

Agent 工程化#

#	题目	频率	难度	状态
17	[AI Agent系统设计方法论](/topics/ai-llm/AI Agent系统设计方法论)	高	困难	done
18	[Agent Runtime与Checkpoint机制](/topics/ai-llm/Agent Runtime与Checkpoint机制)	高	困难	done
19	多Agent调度与失败传播	高	困难	done
20	Agent可观测性与质量保障	高	进阶	done
21	Agent评测平台设计	高	困难	done

平台与治理#

#	题目	频率	难度	状态
22	MCP协议原理	高	进阶	done
23	MCP生产治理与安全加固	高	困难	done
24	[Agent安全与Prompt Injection防御](/topics/ai-llm/Agent安全与Prompt Injection防御)	高	困难	done
25	Guardrails与输出安全护栏	高	进阶	done
26	AI应用成本优化	中	进阶	done
27	AI应用成本与质量量化治理	高	困难	done
28	多租户隔离与配额治理	中	困难	done
29	长期记忆治理与多租户隔离	中	困难	done
30	RAG与Agent生产化实践	高	困难	done

微调与框架#

#	题目	频率	难度	状态
31	LoRA微调原理	中	困难	done
32	Prompt工程最佳实践	高	进阶	done
33	LangChain核心概念	中	进阶	done
34	[Spring AI核心概念与架构](/topics/ai-llm/Spring AI核心概念与架构)	高	进阶	done
35	[Spring AI Alibaba框架](/topics/ai-llm/Spring AI Alibaba框架)	中	进阶	done
36	[AI Agent技术趋势与框架选型](/topics/ai-llm/AI Agent技术趋势与框架选型)	高	进阶	done
37	Agent面试高频追问速查	极高	困难	done

口诀速记#

Agent ReAct: “感知→思考→行动→观察（循环直到完成）”
Reflection: “生成→挑错→重写，留草稿取最高分”
Function Calling: “LLM 填表，代码跑腿”
结构化输出: “Prompt→JSON Mode→Schema→约束解码，越往后越硬”
Agent 记忆: “桌面(工作记忆) + 笔记本(短期) + 档案柜(长期)”
Agent 安全: “过滤→隔离→限权→沙箱→审查，五层防线”
Guardrails: “进门安检 + 出门安检，门禁防注入，安检防违禁”
RAG流程: “切分→嵌入→存储→检索→重排→生成”
Agentic RAG: “从被动查到主动想——自己决定查不查、怎么查、够不够好”
框架选型: “Chain→Graph→SDK，从链式到状态机到原生”
Spring AI: “ChatClient 链式调，Advisor 插 RAG/记忆/护栏”
Spring AI Alibaba: “Spring AI 打底 + 通(DashScope)图(Graph)治(Nacos/Higress)”
成本优化: “缓级压批（缓存/级联/压缩/批量）”
选型: “简单用RAG，复杂用Agent，精确用微调”

跨域关联#

向量数据库 → Redis数据结构与底层实现（Redis - 近似最近邻）
Agent 设计模式 → 策略模式（设计模式）
Agent 安全 / Guardrails → [Spring Security核心架构](/topics/spring/Spring Security核心架构)（Spring - 权限控制）
Agent 可观测性 → 可观测性三件套（DevOps - Trace/Metrics/Logs）
工程化 → 微服务拆分原则（微服务）
部署 → Docker核心概念（DevOps）