求问阿里前端笔试考试内容，选择题涉及哪些部分，大题和后端是一样的吗

一、核心概念与架构篇Q1：请简述Agent的基本架构组成，并解释其与传统LLM Chain的区别。回答要点：Agent = LLM + 规划(Planning) + 记忆(Memory) + 工具使用(Tool Use)。区别：Chain是预定义的、线性的硬编码工作流。Agent具备“自主性”，它根据目标自发决定执行路径，通过推理循环（Reasoning Loop）不断调整策略。Q2：解释ReAct模式的工作原理。回答要点：ReAct (Reasoning + Acting)是Agent的基石。它将“思考”（Thought）和“行动”（Action）结合。LLM先生成一段推理，说明下一步要做什...

给我面没招了，发点面经攒攒人品～1. 项目拷打2. 实习业务场景3. RAG项目里是如何进行分块(chunk)的4. 针对不同文档会如何进行分块5. 分块策略有哪些6. 语义分割策略7. word文件怎么进行chunk8. 如何评判分块的效果好不好9. 向量是如何进行存储的 进一步 如果数据量很大如何存储10. 如果文件有更新，向量数据库如何更新11. RRF如何计算  为什么要用RRF12. 稠密向量   BM25  TF-IDF13. 除了RRF还用到哪些检索优化策略14. MySQL的索引有哪些15. 联合索引中非叶子节点存储的数据有哪些16. 最左前缀匹配原则17. 如何判断有没有命中索引18. Redis常见数据类型19. Redis如何实现分布式的消息队列20. 事务注解@Transactional及其底层原理21. MCP与Skill的区别，有了Skill为什么还需要MCP22. 为什么使用Skill可以节省Token23. JVM相关的命令24. 手撕： 3. 无重复字符的最长子串

PS：就我目前看到的AI项目而言，相信大家的检索能力，一定能找到相类似的，所以我这边就不贴出对应的github仓库链接了。我其实就是用的这两个，不过我对这两个进行了一些综合，把二者合二为一了。1. 本地私有知识库 RAG 助手核心价值：覆盖面试高频考点，完美匹配 “检索增强生成” 技术栈，做完能直接解决学习 / 工作痛点。落地路径：技术栈：Python + LangChain/LlamaIndex + Chroma/FAISS（向量库） + Streamlit（快速网页）核心功能：上传 PDF/Markdown 文档（比如你的技术笔记、行业报告）→ 智能切分（带 100-200token 重叠...