AI 编程 · Agent 实操

面向大模型应用开发岗求职：从 LLM / Agent 底层概念，到亲手调 API、写最小 Agent / RAG / MCP，每篇挂关联面试真题。

• 面试高频：LLM、Token、上下文、Agent 到底是什么 — 复用站内概念图，把这几个被问烂的词讲到你能上手、也能讲清
• 亲手调一次 LLM API（同步 + 流式） — 从一行 request 到流式 SSE，搞懂「调模型」到底发生了什么
• Function Calling：模型怎么学会「调工具」 — 工具 schema、模型出参、你来执行、回灌结果 —— Agent 岗高频考点
• 被问「你用过哪些 AI 编程工具」时不露怯 — Claude Code / Cursor / Codex 各自最舒服的场景；评测向、不绑版本号
• 上下文工程：让 AI 写对代码的关键 — 给对上下文、设好边界 —— 决定 AI 帮你写代码靠不靠谱的那件事
• 把 AI 编程工具从「能用」调成「好用」 — 规则约束、可复用技能、跨会话记忆 —— 进阶提效的三件事
• 30 行写一个会调用工具的最小 Agent — LLM + 工具循环 = Agent 的本质；面试这条线就靠它讲透
• 从零拼一个最小 RAG 问答 — 检索 → 拼 prompt → 生成；想做深直接跳站内 RAG 完整教程
• MCP 入门：把工具标准化暴露给 Agent — 一句话讲清 MCP 解决什么，再亲手暴露一个工具
• 从单 Agent 到 Coding Agent，它多了什么 — 面试官想听的「Agent 比调一次 LLM 强在哪」