BigKunLun/Agent-Interview-100

解决的问题

本项目解决了AI Agent开发学习中零散、无目的的问题。它不再让你漫无目的地阅读冗长文档，而是提供100道精心挑选的问题作为学习锚点。每个问题告诉你学什么以及为什么学，覆盖从核心概念到生产实践的整个AI Agent技术栈。同时，它也可作为AI Agent和LLM工程岗位的结构化面试准备工具。

工作原理

该仓库将100个问题组织成11个主题模块，按渐进式四阶段路径排列：首先是基础架构（Agent基础），然后是核心能力（RAG、工具使用、多智能体、记忆、规划与推理），接着是工程实践（提示工程、评估、安全），最后是生产生态（部署、框架）。每篇文章遵循一致的四部分结构：简短回答、详细解释、常见错误和后续面试问题、参考资料。许多文章包含Python代码示例、伪代码、架构图以及近期研究和行业实践的引用。项目还引入了7种特殊问题类型，如场景故障排查、定量计算、系统设计、代码审查、渐进式追问链，以及2026年前沿主题，如Computer Use、Deep Research和欧盟AI法案合规。知识图谱和建议学习路径帮助不同角色（工程师、架构师、安全专家）高效浏览内容。

适用人群

适用于任何希望系统学习AI Agent技术的人：寻求扎实基础的程序员、设计Agent系统的架构师、希望获得工程视角的研究人员、准备AI Agent或LLM面试的求职者，以及寻找现成题库的技术面试官。难度级别（基础、中级、高级）和角色特定路径使其适应不同背景。

亮点

• 100道精选问题，覆盖从基础到生产的整个AI Agent技术栈
• 11个主题模块，配有清晰的知识图谱和渐进式学习顺序
• 四部分文章结构（简短回答、详细解释、陷阱/追问、参考资料），便于高效学习
• 丰富的代码示例，包括Python、伪代码和架构图
• 实用的特殊问题类型，如场景调试、定量指标、系统设计和代码审查
• 最新内容，引用2024-2026年研究和行业趋势，包括Computer Use、Deep Research、A2A协议和欧盟AI法案合规