想做 Agent，别只盯着 LangChain

想做 Agent 开发，核心技术可以按这几块学：先掌握LLM 原理与提示工程，理解模型能力边界与上下文管理。再学Agent 框架：LangChain、LlamaIndex、AutoGen，熟练 Tool Calling、Function Calling 流程。必须懂工具调用与编排、记忆机制（短期 / 长期记忆）、反思与规划能力。还要会RAG做知识库增强，了解多 Agent 协作、调度逻辑。工程上要掌握 Python、API 开发、向量数据库，基础的前后端对接也很有用。进阶可学强化学习、Agent 安全与对齐。Agent 拼的不是单一技术，而是系统整合能力，边做 demo 边学最快。

一、基础打底（所有人必学） 1. 编程基础（核心：Python） Python语法、函数、类、文件IO、异常处理 常用库：requests、json、pydantic、asyncio 数据结构：列表、字典、队列、栈、图（基础） Git基础：代码管理、分支、提交 2. AI与大模型基础 LLM原理：Transformer、上下文、token、幻觉、温度 主流模型：GPT4o、Claude 3、Qwen、Llama 3、DeepSeek 模型调用：API密钥、请求格式、流式输出、错误处理 基础NLP：意图识别、实体抽取、文本分类、摘要 3. 提示工程（Agent灵魂） 基础：角色设定、清晰指令、格...

还是得刷，但不用死磕。面试算法岗、中大厂核心岗，力扣依然是硬门槛，逻辑思维和代码功底靠它练。做普通AI应用、Agent开发，重点放在工程实现上，简单题中等题保持手感就行，不用沉迷难题。

1. 做一下自我介绍2. 讲一下你做过的系统架构，别只说用了哪些中间件架构最好按数据流讲，而不是按技术名词堆。入口层是网关、鉴权和限流，业务层负责请求编排、规则判断和状态推进，异步层用 MQ 解耦高峰流量和补偿任务，存储层通常拆成 MySQL、Redis、检索索引和对象存储，旁路再挂监控、日志、配置中心和任务调度。真正有价值的是你能指出瓶颈会出现在哪里，比如检索召回抖动、缓存热点倾斜、下游依赖变慢、消费积压或者数据库回查索引失效。3. RAG 的原理你怎么讲，真正落地时它在系统里承担什么角色RAG 不是“检索一下再回答”这么简单，它本质上是把外部知识注入生成过程，降低模型纯参数记忆带来的不确定...