大家好，我是小林。

老读者都知道，我 4 年前上线了 这个网站，它沉淀了我过去 5 年在公众号分享过的图解文章，比如图解网络、图解系统、图解 MySQL、图解 Redis 这些系列都在上面，还有 1000+ 道后端面试题。

相信不少读者就是从这个图解网站一路关注过来的。这些年我也收到很多反馈，说图解网站对面试帮助很大，每次看到这种消息我都挺开心，也挺有成就感，自己写的东西能真正帮到大家。

稍微吐槽一下自己，上面这张读者反馈图还是我 22 年整理的，图片都快用包浆了，一直没腾出手整理新的，没办法实在太懒了哈哈，能用就行

我公众号早些年的内容，基本都是围绕图解 Java 后端技术栈来写的。但今年开始，不只是你们觉得 AI 发展太快，我自己也是实打实地感受到了这股浪潮。

我不想成为老登！

所以就在今年过完春节，我开始全力拥抱 AI 方向的内容来写，依旧硬核+图解，目的也很简单，想让我的读者们能在 AI 时代不掉队。

而且不少文章的阅读量都超出了我的想象，好几篇这类硬核图解文章都破 10w+ 了。

经过好几个月的爆肝，现在 AI Agent、AI 编程、大模型这些方面的图解内容也攒得蛮多了。

所以今年我上线了新网站，叫「小林面试笔记（xiaolinnote.com）」，专注图解 Agent + RAG + LLM 大模型面试题，让一部分人先跑赢 AI Agent 开发岗位。

网站地址： https://xiaolinnote.com

PS：对了，网站的内容是可以免费看的

话说回来，免费可不代表粗制滥造，网站里的每一篇内容，都是我当成精品来打磨的。

网站上线之后，收获到了不少读者的肯定和认可，也给我很大动力，让我更坚定持续往这个方向输出。

比如有做了几年的大模型工程师读者，说网站的内容太实用了，直呼相见恨晚；也有面了一圈 Agent 开发岗的社招同学跟我说，新网站的 Agent 面试题押得很准，面试遇到的问题基本都能在里面找到原题。还有本科大二的同学，靠着网站的 AI 大模型面试题拿到了大厂 offer，面试问到的东西基本全会，全是在我公众号文章和网站上学的。

而且让我比较意外的是，新网站才上线几个月，就被 AI 推荐了。

这个新网站我之前还没怎么在公众号正式宣传过，只在朋友圈小小地吆喝了一下。

所以这次就来跟你们正式介绍一下，这个网站更新了几个月，目前都有哪些内容。

────01｜大模型面试题────

这是网站目前内容最厚实的一块，专门盯着 AI Agent开发方向的高频面试题来写，目前分成 「Agent、RAG、工具调用、大模型工程」四个专题，当然后续还会持续增加。

• 74 道大厂真实高频面试题（Agent / RAG / 工具调用 / 大模型工程）
• 615 张图解配图，复杂原理一张图看懂
• 25 万+字详细答案解析，每题都讲到能自己推导

题目全是我从网上各种真实面经里一道道抠出来的，都是大厂真问过的，不是自己拍脑袋编的。每道题我不光给答案，还会把背后的原理从根上讲透，再配上图解，让你不是死记硬背，而是真的搞懂了，面试官换个角度问你也不慌。

Agent面试题

Agent 现在是 AI 工程岗绕不过去的必考题，但网上的资料要么停在「Agent 就是大模型加工具」这种概念层，要么上来就甩一堆框架代码，看完还是不知道自己的 Agent 该怎么设计。

这块从 Agent 是什么、和直接调大模型有什么本质区别、核心组件有哪些这些地基讲起，再往下拆 ReAct、Plan-and-Execute、Reflection 三种设计范式，以及记忆系统、任务拆分、Multi-Agent 协作这些工程难点。

几个最容易被一句话带过、面试官却特别爱深挖的点，都单独拎出来讲：

• Agent 和 Workflow 到底差在哪，什么时候该用哪个？

• ReAct、Plan-and-Execute、Reflection 三种范式怎么选型？

• 长期记忆和短期记忆分别放哪、怎么存？上下文太长了又怎么压缩？

• 为什么有时候宁愿「手搓」Agent，也不肯用现成框架？

• 单 Agent 和多 Agent 怎么选？多个 Agent 之间又怎么协作和切换？

Agent 这东西，难的从来不是把它跑起来，而是怎么把它的不确定性，关进一个可控的边界里。

RAG面试题

很多人对 RAG 的理解，还停在「文档切块、转向量、检索」这三步。Demo 阶段这么搞确实能跑起来，可一旦上了生产环境，麻烦就一层层冒出来了。

• 文档切多大合适，切大了召回不准、切小了上下文又不够？语义被切断了怎么补救？

• 向量库到底选 Milvus、pgvector 还是 Elasticsearch？

• 多路召回、Query 改写、Rerank 这些又该卡在流程的哪一环？

这块就从 RAG 的完整流程讲起，把文档切割、Embedding 选型、向量数据库、检索优化、Query 改写、多路召回、GraphRAG，一直到幻觉规避和效果评估，一块一块拆开。

RAG 最容易被低估，看着不就是「查一下资料再回答」嘛，可真正做起来，全是细节。

LLM工具调用面试题

做 AI 应用，光让大模型能聊天远远不够，你得让它能查数据库、能调 API、能动文件，说白了就是得让它会「用工具」。

可一到面试，Function Calling、MCP、SKills、A2A 这几个词很多人就开始打架了，只知道「都是调工具的」，再往下问就分不清谁是谁。

这块顺着工具调用的整条链讲，从 Function Calling 的原理和训练，到 MCP 协议的架构与组成，再到 A2A、Agent Skill，以及底下的 SSE / WebSocket / WebRTC 通信和 LLM 网关。

最容易被问到打结的，是这几个东西的边界和层级：

• Function Calling 到底是什么，模型又是怎么学会调工具的？

• MCP 和 Function Calling 差在哪，什么场景该用哪个？

• Skill、MCP、Function Calling 三者各自解决什么问题、又是什么层级关系？

• A2A 是来干嘛的，和 MCP 有什么不一样？

把这条链捋顺你会发现，它们不是互相替代，而是一层套一层：Function Calling 是模型的「语言」，MCP 是统一的「工具箱」，Skill 是教它把活干漂亮的「操作手册」。

大模型工程面试题

先把话说在前头，这块面试题的分量跟前面几块不太一样，它更偏大模型算法和底层原理，难度确实要高一截，是大厂面大模型工程师、算法岗时，真正会往深里挖的部分。

内容顺着五条主线展开：Transformer 架构、训练流程、推理优化、Prompt 工程、评测选型。从位置编码、分词器，到 Scaling Law、LoRA、RLHF / DPO / GRPO，再到 KV Cache、量化、MoE、推理框架选型，一路讲下来。几道高频题比如：

• Attention 公式里为什么要除以 √d_k？

• MQA、GQA、Flash Attention 分别在优化什么？

• GRPO 凭什么能砍掉 Value Model，跟 PPO、DPO 又差在哪？

• KV Cache 和 Prompt Caching 是怎么把推理成本压下来的？

• 同样都能跑，你的项目为什么偏偏选这个模型，不选那个？

这些题，网站里都配着图一道道讲透了。

可能有做 Agent 开发的同学会问：这块我得全部吃透吗？

当然不用，这一点网站里我也替你想到了，专门按「跟 Agent 开发的相关度」把这 22 道题分成了三档优先级，哪些必看、哪些选看、哪些时间紧可以先跳过，都给了针对性建议，照着安排时间就行。

────02｜图解Agent────

如果说前面的面试题是「一道一道地抠知识点」，那这个「图解 Agent」专栏就是「一个主题一篇万字长文，帮你把体系彻底搭起来」，每篇都配着大量图解，把一个方向从头到尾讲透，看完是真能在脑子里拼出一张完整的图。

Agent概念与生态

Agent 到底是不是就「大模型 + 工具」这么简单？它跟你平时调 API 的本质区别又在哪？

这块我用一篇万字长文从零把 AI Agent 讲透，从它的定义、核心组件一直讲到运行机制，一步步带你把认知地基打牢。

光懂概念还不够，我还专门拆了 OpenClaw 这个开源生态。看完你不光知道 Agent 是什么，还能看清现在整个圈子都在玩些什么，面试时被问一句「最近 Agent 圈有什么新东西」也不至于卡壳。

RAG检索增强

RAG 的文章网上一搜一大把，但能把原理和进阶一次讲明白的真不多，大多要么浮在表面，要么直接甩你一堆论文。

这块我先用一篇长文带你吃透 RAG 到底怎么跑起来，从文档切割、向量检索到最后生成，整条链路配着图一点点拆。

吃透基础之后，再单开一篇把这两年特别火的 GraphRAG 和 LightRAG 掰开揉碎，原理、对比、到底什么场景该用哪个，全给你讲透。

这块是 RAG 进阶绕不开的硬骨头，啃下来，你就能甩开一大票只会「普通向量检索」的人。

Agent工程方法论

这块大概是整个专栏里最前沿的部分了。

你有没有发现一个现象：同样一个模型，怎么有的人用起来就是比你聪明、产出就是比你强？秘密很大程度上不在模型本身，而藏在工程方法里。

我专门写了 Harness Engineering 和 Loop Engineering 这两篇，讲清楚 AI 编程是怎么从「写一句 Prompt」一步步进化到「设计一整个 Loop」的。

这是今年才慢慢成型的新理念，懂的人还不多。这套思路一旦吃透，你对 Agent 的理解会直接上一个台阶，不管是面试还是自己做项目，都能甩开还停在「调 Prompt」阶段的人。

────03｜图解 Claude Code────

Claude Code 现在基本是公认最强的终端编程 Agent 了，看到源码泄漏之后，干脆专门开了个专栏，从实战一路扒到源码。

市面上讲 Claude Code 的内容不少，但大多停在「怎么装、怎么用」这一层。

我想做的不太一样，一边带你把它用顺手，一边带你钻进源码里，看看最强 Agent 的底层到底是怎么设计的。不管你是面试被追问实现原理，还是日常想提效，都能在这里找到答案。

Claude Code 实战技巧

光会装、会用还不够，怎么把 Claude Code 用出花来才是关键。这块全是能直接上手的干货：新手入门的基础技巧、官方 /powerup 的 18 个互动课程全解析、CLAUDE.md 这个项目记忆文件到底该怎么写，还有一篇专门讲它怎么扛住百万行的大型代码库。

这些都是实打实的实践经验踩过的坑才总结出来的经验，每篇看完就能用起来的，照着调一遍，你的 Claude Code 使用效率能肉眼可见地往上走。

Claude Code 源码解析

你有没有好奇过，Claude Code 一轮对话背后到底是怎么跑起来的？这块是我下了最大功夫、也最舍得花时间的地方，直接扒着它 51 万行泄漏源码，把核心设计一个个讲透。

• 主循环 Query 怎么转?

• 上下文满了怎么 Compact 压缩?

• 代码检索为什么用 grep 而不上 RAG?

• 记忆机制为什么不碰向量数据库?

• 多 Agent 的 SubAgent 又是怎么实现的?

这些平时你根本看不到的细节，我都配着图给你拆开了。

而且读源码的意义不只是面试能答上来。看懂了最强 Agent 是怎么设计的，等你哪天自己动手做 Agent，心里就有一套可以照着抄的标准答案了。看完你大概率会冒出一句：哦，原来最强 Agent 的底层，也没那么玄乎。

────总结────

回过头看这几个月，说实话还有点恍惚。

年初过完春节才下决心全力转 AI 方向，本来只是想着别在这波浪潮里掉队，没想到一路爆肝下来，竟然攒出了这么多图解硬核内容，网站也慢慢长成了现在的样子。

写的过程其实挺熬人的。AI 方向变化太快，常常是一篇刚写完，过几天又冒出新东西，得回头补、回头改。

但每次看到有读者留言说「靠着网站的题上岸了」「这篇看完总算搞懂了」，那点疲惫一下子就全值了。

网站里的每一篇，我都是照着精品的标准在死磕每一张图、每一句话。原因其实很简单，我希望这个新网站，能像 4 年前的 xiaolincoding.com一样。

那个网站上线到今天 4 年了，依然有大量同学天天在上面复习、备战面试。

我也希望「小林面试笔记」能成为这样的存在，不是看完就忘的快餐，而是经得起时间考验、过几年回头看依然能帮到你的硬货。

当然，这只是个开始。我还会接着继续写，网站也会一直更新下去。

如果你也走在 AI 这条路上，希望「小林面试笔记」能陪你走一程。

最后，网站地址我再贴一次： https://xiaolinnote.com，完全免费，欢迎收藏。

要是觉得有用，也帮我转给身边正在找工作、想转 AI 的朋友，就是对我最大的支持啦。