01
第 1 章 · RAG（检索增强生成）
核心必考80+ 题 · 3-5 天新手先看这篇基本每场都会问。从 Embedding 怎么选、文本怎么切、向量库怎么挑，到检索完怎么重排、整套评测怎么设计。
站内详解
12 章课程从 LLM 基础一路排到五厂真题，目录顺序就是推荐学习顺序：你知道从哪儿开始，刷到哪儿算完。 题干来自面试官原话，解法附论文原文，这里的每场面试都允许翻书。
目录顺序即推荐学习顺序：从 LLM 基础、RAG 打底，到 Agent、工具调用、多智能体，最后五厂真题与通用收尾。跟着章号从上往下刷即可。
基本每场都会问。从 Embedding 怎么选、文本怎么切、向量库怎么挑，到检索完怎么重排、整套评测怎么设计。
地基就是这章。Transformer、Attention、MoE、KV Cache，绕不开，问得又细又勤。
决定你能不能聊深。SFT、RLHF、DPO 和 PPO，训练稳不稳、数据怎么喂，都在这儿。
分水岭。ReAct 怎么转、记忆怎么存、规划和用工具怎么做，最后合成一道设计题。
多个 Agent 凑一起怎么通信、怎么分工、怎么达成一致，又怎么收拾吵起来的场面。
图文怎么对齐。视觉语言模型、跨模态 Embedding、多模态检索，专项岗的重点，应用岗的加分项。
怎么给大模型和 Agent 打分。自动指标、人工评估、Benchmark 怎么搭。这一层刷掉大半候选人。
Function Calling 只是开头。API 怎么设计、选哪个工具、出错怎么办、安全怎么兜，还有工具过百之后的注册、发现与路由。
手写代码那一关。字符串、树和图、动态规划，再配几道 LLM 推理优化的实现题。
简历上写的会被反复问。为什么这么选、架构怎么搭、崩了怎么查、后来怎么改。
题最多的地方。八股、系统设计、行为面试，还有职业规划和你的技术口味，建议拉长战线。
按字节、阿里、腾讯、美团、百度各 100 题。先能把结论说出口，再谈细节。
按岗位读这条主线：Agent 应用开发RAG 工程师LLM 应用开发AI Infra—— 四条求职路线是本课程的岗位侧重顺序。
2582 道真题按考点聚成 8 个大类。先看哪里问得多，再回主线课程安排优先级。
要口语答案进速答题库；要看考察意图、标准答与追问链进真题解析；5 分钟查一个概念进术语表。
字节跳动 100 题阿里巴巴 100 题腾讯 100 题美团 100 题百度 100 题20 厂总览 →面经实录：阿里 RL Data 一面 15 题复盘 →
查概念、看对比、学项目讲法——三样随手翻的工具书。
站内已上线 2494 篇深度解析与真题解析，按方向分页浏览。