【小哲讲大模型】 面试 笔试通关秘籍

这门课的名字叫「面试 笔试通关秘籍」，但真正有价值的地方不在“通关”两个字，而在于它把大模型岗位面试里最容易被追问、也最容易答崩的那部分知识——Agent 相关概念体系——拆成了可以逐条对照的口径。如果你正准备大模型方向的面试，或者已经在做 LLM 应用、想往 Agent 方向靠，这份资料更适合当成一份“问答对照表”来用，而不是当成视频课从头看到尾。

技术栈与知识边界

从目录线索看，内容围绕 AI Agent 展开，覆盖的是一套概念辨析链条：传统 AI 与 Agent 的区别、LLM 与 Agent 的区别、Agent 与 Chatbot 的区别、自主 Agent、目标驱动型 Agent，以及从 LLM 应用迁移到 Agent 的动因。这套链条对应的技术栈并不复杂，但要求你对 LLM 应用层有基本认知：知道 Prompt、工具调用（Function Calling / Tool Use）、记忆、规划这些模块各自解决什么问题。

它不是讲某个框架的 API，比如 LangChain 或 AutoGPT 的具体写法，而是讲这些框架背后共用的抽象。这一点对面试很关键：面试官往往不问你用哪个库，而是问“你为什么需要 Agent，而不是一个写死流程的链”。课程里“为什么从 LLM 应用转向 Agent”这类议题，正好对应这类追问。

内容结构与可复用模块

虽然不做完整目录复述，但可以按主题把内容分成三块来理解和使用：

• 概念边界模块：AI Agent vs 传统 AI、LLM vs Agent、Agent vs Chatbot。这三组对比是面试高频题，也是笔试简答题的常见出题点。把它们各自的判定标准整理成两三句话，就能形成自己的答题模板。
• Agent 类型模块：自主 Agent、目标驱动型 Agent。这里涉及的是 Agent 的分类维度——自主性程度、目标来源、是否具备规划能力。理解这个维度后，遇到“请设计一个 Agent”的开放题，你能先判断它属于哪一类，再决定用不用规划器、用不用长期记忆。
• 迁移动因模块：从 LLM 应用到 Agent 的演进逻辑。这块适合用来回答“你的项目为什么这么设计”这类工程类追问，把技术选型讲成有因果的决策，而不是堆名词。

这些模块的复用性在于：它们不绑定具体项目。你换一个业务场景，判定标准依然成立，只需要把例子替换成自己的。

自学路径建议

不建议按视频顺序线性刷。更有效的顺序是：先挑三组概念对比看，边看边用自己的话写判定标准；然后看 Agent 类型部分，试着给每种类型各写一个最小设计（输入、决策依据、输出）；最后看迁移动因部分，回头审视自己手上的项目，判断哪些环节其实可以用 Agent 思路重构。

看完一集就合上视频，对着白纸把刚才那个概念用自己的语言讲一遍——这一步比多看两集管用。面试考的是表达和判断，不是记忆。

适合谁对照实践

这份资料更适合两类人：一类是正在准备大模型岗位面试、需要把零散概念整理成体系的人；另一类是已经写过 LLM 应用、但说不清“我的系统算不算 Agent”的人。它不适合想直接抄代码的读者，因为内容侧重概念与设计判断，而不是可运行的工程实现。

把它当成一份讨论提纲，对照自己的项目和面试题库逐条过一遍，遇到答不顺的地方再回去看对应部分，效率会明显高于被动观看。工程上的很多判断，本来就是先有清晰的边界认知，才有合理的架构选择。