🧠 AI Agent / LLM 应用工程师 · 全景知识图谱

• L1 §1.1 起点：Transformer 与注意力机制
• 对应面试题： A1 LayerNorm vs BatchNorm A2 多头注意力 A3 RoPE
• 核心术语： LayerNorm RoPE YaRN GQA/MQA MoE multi-head attention

• L1 §1.2 LLM 训练栈
• 对应面试题：B 章节 10 题 → 全部
• 核心术语： SFT LoRA QLoRA RLHF DPO PPO GRPO RLVR RM 灾难性遗忘

• L1 §1.3 推理栈与解码
• 核心术语： temperature logit autoregressive

• L1 §1.4 经典技术
• 对应面试题：C 章节 9 题 → 全部
• 核心术语： CoT Self-Consistency ToT ReAct Self-Refine Reflexion few-shot

• L1 §1.5 自动化优化
• C8 DSPy / OPRO / APE

• L1 §1.6 评估、红队
• 对应：C7 Prompt Injection I 安全 6 题
• 核心术语： LLM-as-judge Eval prompt injection jailbreak guardrails

• L2 §2.2 长上下文物理 · §2.3 RULER
• 对应： A5 Lost in the Middle A10 128k 真能用吗 D8 长上下文 vs RAG
• 核心术语： context window KV cache attention sink Lost in the Middle

• 对应： A4 PagedAttention A6 Speculative A7 Prefix Caching A8 FlashAttention A9 Continuous Batching A11 Prefill/Decode 两阶段
• 核心术语： FlashAttention PagedAttention vLLM continuous batching speculative decoding prefix caching TTFT TPOT

• L2 §2.4 RAG 全栈选型
• 对应：D 章节 10 题 → 全部
• 核心术语： RAG chunking embedding embed models BM25 hybrid search reranker vector DB RAG 变体 RAGAS

• L2 §2.5 记忆系统
• 对应：F 章节 8 题 → 全部
• 核心术语： sub-agent progress 文件 Memory Corruption

• L2 §2.6 Context 管理
• 对应： F5 progress 文件 F7 Context Compaction J3 Context 爆量

• L2 §2.7 MCP / A2A
• 对应：E5 MCP 协议
• 核心术语：MCP

• L3 §3 Agent 架构
• 对应： E1 Workflow vs Agent E2 6 大 Pattern
• 必读：《Building Effective Agents》中文

• L3 §2 范式演进
• E3 ReAct vs Plan-and-Execute vs Reflexion

• L3 §5 主流框架对比
• 核心术语：LangChain / LangGraph

• L3 §6 多 Agent
• 对应： E4 协作模式选型 J5 冲突处理
• 必读：《Multi-Agent Research System》中文

• E8 Tool Use 设计
• 核心术语： tool use deny-first Computer Use

• 对应： E6 4 大失败模式 E10 Loop of Death
• 必读：《Effective Harnesses》中文
• 核心术语：Loop of Death

• 对应：K 章节 5 题 → 全部
• 重点： K1 通用 benchmark 全景 K5 业务领域评测

• L4 §3.1 起源 · §3.2 边界
• E7 harness 核心思想

• L4 §3.3 方法论 + 支撑设施
• 对应： E12 harness 组件 J4 不再犯同样错
• 核心术语： harness AGENTS.md progress 文件 sub-agent deny-first lint type check CI/CD

• 对应： G7 沙箱选型 I4 NeMo Guardrails I5 Deny-first 纵深
• 核心术语： MCP sandbox guardrails

• L4 §3.4 生产栈
• L4 §3.4.6 成熟度模型
• 必读：OpenAI《Harness Engineering》

• L4 §3.5.5 模型横评
• L4 §3.5.6 Cost 优化
• 对应：G6 成本省 80%

• L4 §3.6 场景选型
• 对应： G1 客服 Agent G2 Coding Agent K5 业务领域评测

lint type check CI/CD sandbox canary A/B test HITL SLO/SLI/SLA TTL 业务指标

token embedding context window prefill/decode KV cache autoregressive logit temperature attention sink

LayerNorm/RMSNorm RoPE YaRN/NTK GQA/MQA MoE multi-head attention

FlashAttention PagedAttention vLLM continuous batching speculative decoding prefix caching TTFT TPOT

FP16/BF16/FP8 INT4/INT8/NF4 AWQ GPTQ

SFT LoRA QLoRA RLHF RM DPO PPO GRPO RLVR 灾难性遗忘

CoT ToT ReAct Reflexion Self-Refine Self-Consistency few-shot/zero-shot

RAG chunking BM25 hybrid search reranker vector DB embed models RAG 变体 RAGAS

harness MCP tool use Computer Use sub-agent AGENTS.md deny-first progress 文件 Loop of Death Memory Corruption LangChain

Eval LLM-as-judge eval benchmarks trace 工具 Lost in the Middle prompt injection hallucination guardrails jailbreak