AI 大模型知识库

知识库按学习阶段分为三个模块。建议先建立基础知识，再通过 Demo 理解实现过程，最后使用面试题检查是否真正掌握。

01 · FUNDAMENTALS

AI 基础知识讲解

从大语言模型、上下文和工具调用，逐步学习 RAG、MCP、Agent 架构、安全、评估与部署。

23 个系统主题02 · LEARNING DEMO

AI Agent Learning Demo

通过 14 章渐进式示例，手写 Agent 循环，并练习记忆、工具、规划、RAG 与多 Agent。

14 章动手路线03 · INTERVIEW

AI Agent 面试题目

按统一题目清单组织 191 道问题与逐题详解，覆盖模型原理、Agent、RAG、工程与生产治理。

191 道题目与详解

一、AI 基础知识讲解

基础知识以厂商中立的工程问题为主线，先解释模型能力边界，再进入工具、状态、检索、安全和生产治理。

1. 基础知识总览
2. AI、LLM 与生成式 AI 基础
3. Agent 的定义、组成与边界
4. Tool Calling 与最小 Agent
5. RAG 检索增强生成
6. 安全、测试与生产部署
7. AI Agent 术语表

二、AI Agent Learning Demo

Demo 按“认知 → 构建 → 进阶 → 实战”组织，适合在掌握基础概念后，用代码观察 Agent 的完整执行闭环。

1. 课程总览
2. 认知篇：模型与 Agent
3. 构建篇：工具、记忆与规划
4. 进阶篇：行为工程与框架
5. 实战篇：RAG、多 Agent 与综合项目

Demo 验证状态

Learning Demo 迁移自个人 GitHub 的 MyBranch_GPT54 分支。正文与链接已适配当前站点，但第三方框架 API 和代码尚未逐章在本项目重新执行；请以每章的 verification_status 和版本提示为准。

三、AI Agent 面试题目

面试模块由一份题目清单和一组逐题详解组成。题目文本以“面试问题汇总”为唯一来源，详解页标题、索引和左侧导航与其一一对应。

1. 面试模块首页
2. 面试问题汇总
3. 面试题详解
4. Agent 面试与动手练习

四、推荐学习顺序

1. 先学基础：理解术语、机制、职责边界和生产约束。
2. 再做 Demo：把抽象机制落实为可观察的代码和执行轨迹。
3. 最后自测：按完整题目作答，再进入对应详解核对遗漏。