Agent 工程师面试资料库

Agent 工程师面试知识体系

从底层模型到生产落地，按面试问题组织 Agent 工程能力。

开始学习查看路线

13知识模块

100+知识页面

4学习阶段

资料按面试路径组织，适合从零梳理，也适合临考查漏。

理解模型先建立 LLM 直觉

知道模型为什么能推理、为什么会幻觉、为什么需要上下文管理。

掌握交互再练 Prompt 与工具调用

能把任务拆成结构化输入、工具 Schema、失败重试和安全边界。

构建 Agent进入 RAG 与 Agent 架构

理解检索、规划、执行、反思、记忆这些模块如何组合成系统。

准备生产最后补工程化面试题

覆盖评估、观测、成本、安全和限流，能回答从 Demo 到上线的问题。

基础层

先把模型、提示词、上下文和工具调用这些共识打牢。

大模型基础Transformer、Token、Embedding、模型选型提示词工程CoT、ReAct、系统提示词、注入攻防上下文工程长上下文、记忆、缓存、上下文污染工具调用Function Calling、Schema、MCP、生产化

能力层

理解 Agent 如何检索、规划、执行和协作。

RAG 检索增强切分、检索、重排、GraphRAG、评估 Agent 核心理论定义、循环、规划、Skills、自我纠错流程编排LangGraph、Dify、条件流、循环流多 Agent 协作通信协议、调度者、协作策略

实现层

把理论落到框架、源码和垂直场景里。

主流 Agent 框架LangChain、LlamaIndex、OpenAI/Claude SDK Agent 源码解析Claude Code、Codex CLI、Cline、OpenHands 垂直领域 AgentCoding、Deep Research、Browser、Voice

生产层

面试高频的评估、监控、成本和安全问题。

Agent 工程化Benchmark、Harness、Observability、成本、安全一线工程分享OpenAI、Anthropic 工程博客中文导读评估体系SWE-bench、GAIA、AgentBench、MMAU 安全与防护Prompt Injection、Jailbreak、Guardrails

如何判断一个需求该用 Workflow 还是 Agent？RAG 效果差时应该优先排查哪几层？Function Calling 的 Schema 怎样设计才稳定？Agent Memory 和普通会话历史有什么区别？如何评估一个 Coding Agent 是否真的进步？Prompt Injection 在工具调用里怎么防？

从第一章开始，逐步补齐面试能力

建议把每章当成一组面试题来读：先能讲清概念，再能说出工程取舍。