大模型岗位的面试有个特点：八股文背得再熟，面试官几个追问就能看出你是不是真理解。ReAct 和 Function Calling 到底差在哪、Token 计费为什么按输入输出分开算、Agent 的「自主」边界在哪——这些问题在项目里做过和只看过文章，回答出来的颗粒度完全不同。这套内容围绕大模型面试里高频出现的概念题和场景题展开，适合准备跳槽、转岗到 AI 应用方向，或者简历上写了「熟悉 LLM」但心里发虚的人。

先确认你缺的是哪一块

大模型面试的坑不在于难，而在于杂。有人卡在基础概念：说不清 Agentic AI 和普通 Agent 的区别，把 Agent 当成「会调用工具的模型」就交差；有人卡在工程细节：知道要做 RAG，但被问到召回率低怎么排查就答不上来；还有人卡在表达：明明项目里做过，讲的时候东一榔头西一棒子，面试官抓不到重点。

这套内容的结构大致对应这三类缺口。前半部分把 Agent、Agentic AI、LLM 与 Agent 的关系这些容易混淆的概念拆开讲，后半部分落到核心组件、自主 Agent 的判定标准这类需要展开论述的问题上。如果你连「Agent 和传统 AI 的区别」都只能答出一句「更智能」，建议从最前面顺着看；如果概念清楚但答不好场景题，可以直接跳到组件和自主性那几节。

几个必须能自己讲清楚的问题

看完对应的部分，你至少应该能脱稿回答下面这些，而不是背定义：

Agent 和传统 AI 系统的分界线到底在哪？为什么一个规则引擎加了 LLM 调用不等于 Agent？
Agentic AI 这个词和 Agent 是同一个东西吗？如果面试官让你举例说明「agentic」的程度差异，你怎么分档？
LLM 与 Agent 是包含关系还是协作关系？一个只有单轮问答的 LLM 应用，缺了哪些东西才不算 Agent？
Agent 的核心组件有哪几个？规划、记忆、工具调用，哪个环节最容易在工程上翻车？
「自主 Agent」的自主性怎么界定？完全自主和人在回路之间，实际落地时通常卡在哪里？
ReAct 这套思路解决了什么问题，它的局限又是什么？和现在常见的工具调用方案相比，取舍在哪？

这些问题没有标准答案，但面试官要听的是你的判断依据。能说出「我认为自主性体现在……，因为在项目里遇到……的情况时……」比复述一段论文摘要有效得多。

怎么用这份材料

不建议当成剧集从头刷到尾。更实际的做法是：先挑一个你答不上来的问题，看完对应的讲解，合上材料自己讲一遍，录音回听。讲不顺的地方就是没真懂的地方，回去再看。Token 相关的部分尤其如此，计费、上下文窗口、截断策略这些，光看概念很容易以为自己会了，实际面试时被追问「长对话怎么控制成本」就会露馅。

另外提醒一句：这类面试越来越看重你对自己项目的反思，而不只是概念复述。准备的时候把讲概念的那套话术，往你实际做过的功能上套一遍——你用的方案为什么这么选，换一种会怎样。材料里提到的概念是骨架，填进去的必须是你自己的经历。

看完应该达到的状态

理想情况下，你不再需要回忆「Agent 有几个组件」这种清单式答案，而是能顺着面试官的问题往下聊：从概念聊到选型，从选型聊到踩过的坑。如果某个问题你还是只能给出定义、给不出例子和判断，说明那一块还需要再补。带着这个标准去用这份材料，比看完打个勾有用。

小哲讲大模型面试通关秘籍

大模型面试技巧全面解析

编辑点评

深入浅出讲解大模型面试要点，涵盖ReAct、Token、Agent等核心概念，助你轻松应对面试挑战。

⭐ 编辑推荐

专为AI领域求职者打造，全面解析大模型面试技巧，助你一臂之力。

课程亮点

• 大模型面试技巧

• 核心概念讲解

• 实战案例分析

课程目录

38.06_什么是 ReAct 提示策略.mp4  [11.0 MB]
60.13_多 Agent 如何协作.mp4  [15.5 MB]
19.03_什么是 Token_.mp4  [12.6 MB]
1.01_什么是 AI Agent 它与传统 AI 有什么区别.mp4  [19.9 MB]
7.07_什么是自主 Agent.mp4  [15.2 MB]
74.11_如何优化 RAG 的精确率.mp4  [12.3 MB]
16.16_Agent 的能力边界在哪里_.mp4  [14.1 MB]
26.10_LLM 为什么会产生幻觉_.mp4  [12.5 MB]
28.12_开源模型 vs API 模型，如何选择_.mp4  [16.2 MB]
41.09_如何防御 Prompt 注入.mp4  [11.9 MB]
20.04_什么是下一个 Token 预测_.mp4  [13.2 MB]
75.12_Rerank 在 RAG 中起什么作用.mp4  [16.4 MB]
42.10_如何设计高质量的 Prompt 模板.mp4  [10.4 MB]
44.12_如何控制 LLM 的输出格式.mp4  [11.6 MB]
79.16_RAG 落地最难的问题是什么.mp4  [16.0 MB]
59.12_什么是 Agent 的自我反思（Reflection）.mp4  [12.3 MB]
31.15_什么是指令微调(Instruction Tuning)_.mp4  [12.3 MB]
⭐不要加视频中的老师微信.txt  [147.0 B]
57.10_短期记忆和长期记忆在 Agent 中如何实现.mp4  [13.7 MB]
25.09_什么是幻觉(Hallucination)_.mp4  [14.6 MB]
53.06_Agent 如何调用外部 API.mp4  [13.4 MB]
14.14_感知与行动在 Agent 中如何体现_.mp4  [16.3 MB]
39.07_如何设计稳定可靠的 Prompt.mp4  [13.8 MB]
67.04_什么是向量嵌入（Embedding）.mp4  [15.9 MB]
65.02_RAG 的工作流程是什么.mp4  [13.8 MB]
68.05_什么是文档分块（Chunking）.mp4  [14.0 MB]
更多资源分享.txt  [64.0 B]
48.01_一个完整的 Agent 架构包含哪些部分.mp4  [13.3 MB]
55.08_Agent 如何处理重试和错误恢复.mp4  [13.3 MB]
49.02_Agent 的规划（Planning）机制是什么.mp4  [22.6 MB]
40.08_什么是 Prompt 注入攻击.mp4  [15.3 MB]
69.06_如何选择合适的 Chunk Size.mp4  [14.8 MB]
61.14_Agent 如何进行任务优先级排序.mp4  [18.6 MB]
66.03_为什么 Agent 需要 RAG.mp4  [12.2 MB]
56.09_Agent 的记忆系统有哪些设计模式.mp4  [18.1 MB]
54.07_什么是执行循环（Execution Loop）.mp4  [12.1 MB]
30.14_Prompt 对 LLM 输出有什么影响_.mp4  [14.0 MB]
62.15_如何设计一个通用 Agent 框架.mp4  [14.0 MB]
45.13_如何提升 Prompt 的鲁棒性.mp4  [11.2 MB]
51.04_Agent 的决策机制是什么.mp4  [12.9 MB]
64.01_什么是 RAG（检索增强生成）.mp4  [14.9 MB]
3.03_LLM 与 Agent 有什么区别.mp4  [13.9 MB]
58.11_Agent 如何管理状态（State Management）.mp4  [12.6 MB]
50.03_什么是任务分解 Agent 如何做任务分解.mp4  [16.2 MB]
76.13_RAG 如何解决长上下文问题.mp4  [15.2 MB]
22.06_注意力机制(Attention)是怎么工作的_.mp4  [15.5 MB]
33.01_什么是提示词工程（Prompt Engineering）.mp4  [9.5 MB]
29.13_如何为项目选择合适的 LLM_.mp4  [14.2 MB]
2.02_什么是 Agentic AI.mp4  [14.3 MB]
5.05_Agent 的核心组件有哪些.mp4  [15.9 MB]
24.08_Top-K 和 Top-P 采样是什么_.mp4  [12.6 MB]
27.11_如何评估 LLM 的质量_.mp4  [13.6 MB]
6.06_Agent 和 Chatbot 的区别.mp4  [12.4 MB]
36.04_为什么 CoT 能提升推理能力.mp4  [13.8 MB]
73.10_如何优化 RAG 的召回率.mp4  [15.5 MB]
18.02_LLM 是如何训练的_.mp4  [13.0 MB]
78.15_RAG 和微调如何选择.mp4  [14.4 MB]
34.02_Zero-Shot 和 Few-Shot 有什么区别.mp4  [11.0 MB]
23.07_Temperature 参数对生成结果有什么影响_.mp4  [11.9 MB]
21.05_Transformer 的核心机制是什么_.mp4  [15.6 MB]
15.15_单 Agent 与多 Agent 系统的区别_.mp4  [18.3 MB]
11.11_什么是推理引擎_.mp4  [15.7 MB]
17.01_什么是大语言模型(LLM)_.mp4  [13.3 MB]
35.03_什么是思维链（Chain of Thought）.mp4  [10.5 MB]
70.07_什么是向量数据库.mp4  [14.8 MB]
12.12_工具使用在 Agent 中的作用_.mp4  [13.5 MB]
72.09_向量相似度搜索是如何实现的.mp4  [14.0 MB]
4.04_为什么从 LLM 应用转向 Agent.mp4  [16.9 MB]
10.10_为什么 Agent 需要记忆_.mp4  [14.9 MB]
8.08_什么是目标驱动型 Agent_.mp4  [16.7 MB]
46.14_如何为多步骤任务设计 Prompt.mp4  [13.1 MB]
43.11_System Prompt 和 User Prompt 有什么区别.mp4  [12.0 MB]
77.14_RAG 如何减少幻觉.mp4  [13.4 MB]
63.16_如何设计一个垂直领域 Agent.mp4  [14.3 MB]
32.16_RLHF 在 LLM 中起什么作用_.mp4  [15.7 MB]
71.08_常见向量数据库有哪些 如何选择.mp4  [15.7 MB]
52.05_工具调用和函数调用是什么 有什么区别.mp4  [13.3 MB]
37.05_什么是自洽性（Self-Consistency）.mp4  [11.5 MB]
13.13_什么是环境交互_.mp4  [13.9 MB]
47.15_Prompt 对 Agent 行为有什么影响.mp4  [14.1 MB]
9.09_什么是多步推理_ Agent 如何实现_.mp4  [16.3 MB]