虽然现在有很多的公司一直在招 Agent 的开发，但其实从我的体感上来说，大家对于 Agent 的认知还是比较浅。首先，即使是在大厂，很多人使用 AI Coding 的能力都还比较弱，对于这个工具的接受度还不高，特别是年纪越大的这种现现象越频繁。而现在的很多agent开发大部分都是 workflow然后以及基于langgraph这种代码形式。

自2023年大模型迎来爆发式增长，AI Agent（智能体） 作为全新方向迅速吸引了行业与开发者的广泛关注。进入2024年下半年，越来越多开发者不再满足于“尝鲜体验”，而是开始用Agent真正落地业务、解决实际场景中的具体问题，智能体正式从“有趣”走向“实用”。这背后不只是大模型参数、推理能力的持续升级，更关键的是：Agent系统通过规划、记忆、工具调用三大核心能力，让AI具备了处理复杂任务的能力。业界也因此形成了一个简洁共识：Agent = LLM + 记忆 + 规划 + 工具调用但实际上，这些名词都是在用LLM，衍生出诸如RAG、MCP等技术。

阿里AI Agent 解决方案一面面经面试流程1. 自我介绍 (2-5min)、2. AI agent 与function call有什么区别。3.AI Coding用过什么。4.AI Coding和AI Agent如何一起使用，即如何用AI Coding开发一个AI Agent5.有没有试过用langchain和langgraph做AI Agent的开发？有什么感受？6.对云熟不熟？有哪些产品？相关的实践有哪些？7.有哪些推理引擎？大模型推理有哪些指标？8.为什么要用PD分离？业界方案是怎么样的？mooncake的KV Cache是否有外挂？9.你如何看待AI Agent的发展现状？未来又是什么看法？

我的毕设就是做ai智能体开发，目前就是先熟练agent，我感觉分两种，一种是调用在线大模型的API，本地主要还是提示词的优化，再加一些RAG知识库，另外一种是部署本地大模型，针对业务微调大模型，一般是用RAG和提升词，还有一些就是对模型的调整，应该要用Python，后面一种是比较难的，不管怎样，提示词都是很关键的。