【AI面试】AI八股文

🎬 艾莉丝的简介：

一、基础概念

1.1 人工智能（AI）

• 核心定义：通过计算机系统模拟人类智能的技术，依托算法与数据使机器具备类人认知、思维能力，可完成学习、推理决策等复杂任务
• 衍生概念
  • AI 应用：将人工智能能力落地于具体业务场景，以产品 / 系统形式交付（如豆包、自动驾驶辅助系统）
  • AI 算法：计算机模拟人类思考、学习、判断所遵循的数学公式与执行流程，是 AI 能力的实现载体；常见算法包括线性回归、逻辑回归、决策树 & 随机森林、支持向量机、卷积神经网络等
  • Agent（智能体）：可感知环境输入、自主决策规划、调用工具执行以达成目标的自主性软件实体
    • Copilot 模式：人主导、AI 提供建议，最终决策权完全归属人类（如 ChatGPT 普通问答、Cursor Ask 模式）
    • Agent 模式：AI 自主进行任务规划并调用工具完成执行（如 Cursor Agent 模式、智能客服 Agent）
  • Vibe Coding（AI 编程）：以自然语言驱动的软件开发方式，开发者描述需求意图，依托大模型生成 / 修改代码，仅需完成验收、反馈、迭代
    • AI 原生 IDE：Cursor、Windsurf、Trae
    • CLI 工具：Claude Code、Aider、Cline
    • 即时生成工具：Devin、atoms、秒哒、码上飞
• 领域热门岗位：AI 应用开发工程师、AI 算法工程师、Agent 开发工程师

1.2 人工智能、机器学习、深度学习的层级关系

• 人工智能（AI）：最上层概念，目标是让机器具备类人智能
• 机器学习（ML）：人工智能的核心实现方式，通过数据训练模型自动学习规律，无需人工编写全部规则；常见方法包括线性回归、逻辑回归、决策树 & 随机森林、SVM 等
• 深度学习（DL）：机器学习的重要分支，基于多层神经网络从海量数据中自动学习特征规律，实现高级感知、理解与生成能力
• 包含关系：深度学习 ⊂ 机器学习 ⊂ 人工智能

1.3 大语言模型（LLM）

• 定义：全称 Large Language Model，基于海量文本数据训练，可理解、生成人类语言的人工智能模型
• 主流模型矩阵
  • GPT 系列：OpenAI（美国）开发的顶级多模态大模型，具备强推理能力与原生多模态处理能力
  • Claude 系列：Anthropic 公司开发，擅长编程辅助、长文档处理、细腻拟人化对话
  • Gemini 系列：Google 推出的多模态 AI 模型，融合文本、图像等多数据处理能力
  • GLM：智谱 AI 推出，具备高效上下文理解、多任务处理性能与本土化语言适配优势
  • 通义千问系列：阿里巴巴（中国）开发，与阿里云生态深度绑定
  • 混元大模型：腾讯（中国）推出，依托微信、腾讯云生态，企业级安全与生态打通能力优异
  • 云雀大模型 / 豆包：字节跳动（中国）自研，驱动豆包 AI 助手，与内容生态深度集成
  • DeepSeek：中国研发，推理能力突出，成本效益高，适配复杂逻辑任务

二、Prompt（提示词）

2.1 基础定义、分类与结构化框架

• 定义：用户或系统提供给大语言模型的指令文本，用于引导模型生成特定输出
• 两大分类
  • 用户提示词：终端用户直接输入，触发单次任务，传达即时需求
  • 系统提示词：开发者预设于系统后端，定义模型角色、行为规范、知识边界，持续影响所有交互
• CO-STAR 结构化框架
  • C（Context）：提供背景信息，帮助 AI 理解任务上下文
  • O（Objective）：明确希望 AI 完成的具体目标
  • S（Style）：指定 AI 生成内容的风格
  • T（Tone）：确定 AI 生成内容的语调
  • A（Audience）：描述目标受众的特征
  • R（Response）：指定 AI 回应的格式与具体要求
• 提示词工程（Prompt Engineering）：通过设计、优化输入提示词，引导模型生成更准确、稳定、符合预期结果的工程方法

2.2 提示词设计优化技巧

• 基础技巧
  • 角色提示：设定身份约束模型的语气、专业深度与思维方式
  • 结构化指令引导：通过分隔符、列表、Markdown 格式清晰界定指令、背景、输入与输出要求
  • 少样本提示：提供 1~3 个正确示例，让模型快速学习格式与规则
• 进阶推理技巧
  • 链式思考（CoT）：引导模型分步推理，先思考再输出答案，大幅提升复杂问题准确率
  • 自我一致性：探索多条推理路径，通过投票机制聚合为一致答案，降低单一路径的错误概率
• 优化迭代策略：由浅入深迭代，从简单指令开始，根据输出不足逐步补充约束条件与背景信息

三、Token（词元）

3.1 定义、分类与核心作用

• 定义：大语言模型处理文本的最小语义单位，由分词器将文本拆分得到；不同模型分词器不同，同一文本拆分结果可能存在差异
• 分类
  • 输入 Token（Prompt/Input Token）：发给模型的内容，包括问题、历史对话、上传文档、系统提示词等
  • 输出 Token（Completion/Output Token）：模型生成的回答内容
• 核心作用
  • 计费单位：商用大模型普遍按「输入 Token + 输出 Token」计费
  • 上下文长度约束：模型存在最大上下文窗口，超出上限将触发截断或报错
  • 影响模型表现：Token 切分合理性决定语义理解效果，Token 数量直接影响推理速度、显存占用与成本

四、会话记忆

4.1 定义与核心作用

• 定义：对话系统中模型对历史对话内容的存储与利用机制，属于上下文理解的核心能力
• 覆盖范围：用户历史输入、模型历史回答、当前对话的上下文状态
• 核心作用
  • 上下文连贯：支持指代理解，保障对话流畅不脱节
  • 减少重复输入：无需每次重复背景信息，提升交互效率
  • 个性化体验：记忆用户偏好，提供定制化回复
  • 支撑多轮任务：逐步收集信息，支持复杂任务的迭代完成

4.2 与上下文窗口的关系

• 上下文窗口：大语言模型一次最多能处理的输入 Token 数量，类比背包容量
• 容量构成：上下文窗口总容量 = 系统提示词 + 会话记忆 + 当前输入内容

五、多模态

5.1 定义、模态类型与应用场景

• 定义：融合文本、图像、音频、视频等多种类型信息，让模型能理解、生成不同模态数据的技术
• 常见模态：文本（Text）、图像（Image）、音频（Audio）、视频（Video）
• 典型应用场景
  • 智能问答：上传图片 + 提问（如医疗影像分析）
  • 文生图 / 图生文：文本生成图片、图片生成描述（如 AI 绘画、商品描述生成）
  • 语音助手：语音转文本→LLM 处理→文本转语音（如智能客服、车载助手）
  • 视频理解：视频摘要、行为识别（如视频网站摘要、安防监控、内容审核）

六、RAG（检索增强生成）

6.1 定义与解决的核心问题

• 定义：Retrieval Augmented Generation，结合外部知识库检索与大模型生成的技术；大模型在回答前先检索外部知识库，基于检索到的权威信息生成答案
• 解决的核心问题
  • 知识过时问题：可接入最新文档、实时数据、内部知识库，实现动态知识更新
  • 幻觉问题：基于真实文档生成答案，大幅降低虚构内容概率
  • 私有知识问题：可接入企业内部数据、私有文档、业务规则，打造企业专属 AI
  • 缓解上下文窗口限制：仅检索相关片段而非全量数据，节省 Token
  • 可解释性问题：可返回引用来源，支持答案溯源

6.2 核心工作流程

• 离线准备阶段
  • 数据采集：采集 PDF/Word/Markdown 文档、数据库、API、网页等来源的数据
  • 文档切分（Chunking）：将长文档拆分为小块，提升检索精度、适配上下文窗口
  • 向量化（Embedding）：将每个文本块转换为向量
  • 向量存储：将向量与对应原文、元数据存入向量数据库（如 Milvus、Pinecone）并建立索引
• 在线查询阶段
  • 相似度检索：用户输入问题，将问题向量化后在向量数据库中做相似度检索（常用余弦相似度算法）
  • 重排序（可选）：用更强模型对检索结果二次排序，筛选最相关内容
  • Prompt 构建与答案生成：将检索结果、用户问题组合为完整 Prompt，调用大模型生成答案并返回

七、工具调用（Tool Calling）

7.1 基础定义

• 定义：大语言模型根据用户请求，智能选择并调用外部工具（函数、API、服务等）并获取执行结果，以此扩展自身能力的技术流程
• 与 Function Calling 的关系：函数调用（Function Calling）是工具调用的早期叫法与核心形式；当前行业统一称为 Tool Calling，概念范围更广，不仅包含函数调用，还覆盖其他类型工具

八、MCP（模型上下文协议）

8.1 定义与 Tool Calling 的区别

• 定义：Model Context Protocol，由 Anthropic 于 2024 年 11 月推出的开源标准协议，为大模型与外部系统、工具、数据源提供标准化安全双向通信接口，解决 AI 集成的 N×M 复杂度问题，类比 AI 领域的 USB-C 接口
• 核心组成
  • MCP Client：大模型系统内的连接器，按协议发起连接、调用外部服务
  • MCP Server：外部工具的适配器，按协议封装工具功能供客户端调用
• MCP Server 获取渠道
  • 官方注册中心：MCP 官方 registry 平台
  • 国内云厂商广场：阿里云百炼 MCP 广场、腾讯云 MCP 广场
  • 社区聚合平台：mcp.so、ForAgents Dev
• 与 Tool Calling 的核心区别：Tool Calling 是 LLM 调用外部工具的能力，MCP 是 LLM 与工具交互的标准化协议

8.2 核心工作流程

1. 初始化连接：MCP 主机启动，创建 MCP Client 并与 MCP Server 建立通信连接
2. 能力发现：Client 向 Server 查询可用能力，Server 返回工具的名称、描述、参数、权限等结构化清单
3. 执行决策与工具调用：用户输入问题后，Client 整合工具列表与上下文发送给 LLM；LLM 决策是否调用工具，若调用则由 Client 转发请求至对应 Server 执行
4. 结果回传与输出：Server 将执行结果回传 Client，LLM 融合结果与上下文生成最终回答并展示给用户

九、Agent 与工作流

9.1 工作流与 Agent 的核心区别

• 工作流（Workflow）：按预先定义的步骤与规则依次执行任务的流程化机制，流程固定、可预期，类似流水线
• Agent：可感知环境、自主决策、规划路径、调用工具达成目标的自主性软件实体
• 本质区别：工作流是人工预定义步骤的自动化流程；Agent 是由大语言模型根据目标动态控制流程走向

9.2 多 Agent 模式

• 定义：将复杂任务拆分给多个具备不同职责的 Agent，通过协作完成整体目标的系统架构
• 适用场景：任务复杂度超出单个 Agent 的稳定处理能力时使用，解决单 Agent 架构的三大弊端
  • 上下文限制：单 Agent 需承载全量任务信息、工具描述、历史记录，导致信息过载、成本上升、推理速度下降
  • 角色冲突与指令污染：单 Agent 同时承担多角色，系统提示词冲突，导致行为混乱或能力平庸
  • 单点故障风险：单 Agent 某一步推理出错，可能导致整个任务链崩溃

十、Skill（技能）

10.1 与 Tool Calling 的核心区别

• 定义：模型经过学习或配置后，可重复执行的一类标准化任务能力
• 与 Tool 的核心区别：Tool 侧重单一操作能力（如查天气 API、数据库查询）；Skill 是完成某项完整任务的综合能力（如规划旅行，需调用天气、机票、酒店等多个工具）
• 主流 Skill 平台
  • 海外平台：ClawHub、llmskills.org、SkillsMP
  • 国内平台：腾讯 SkillHub、阿里云官方 Skill 平台

十一、主流智能体产品与项目

11.1 Manus 与 OpenManus

• Manus：由 Monica 团队开发的人工智能智能体产品，2025 年 3 月 6 日发布；通过云端隔离沙箱自主调用浏览器、代码执行器、文件系统等工具，自主规划并执行任务
• OpenManus：开源的自主规划智能体项目，可理解为 Manus 的开源复刻版本；代码完全开源，支持本地运行，可展示完整思考过程

11.2 OpenClaw

• 基础定义：开源、本地优先的 AI 智能体（曾用名 Clawdbot、Moltbot，昵称 “小龙虾”），可直接操控计算机完成实际操作
• 核心能力
  • 本地优先：数据与运算均在本地设备执行，隐私性强
  • 模型无关执行引擎：兼容主流商用、国产与本地开源大模型，切换仅需修改配置
  • 标准化 Skill 生态：基于统一规范构建可插拔、可版本化、可复用的技能生态
  • 7×24 常驻运行：以守护进程为核心，支持崩溃自恢复、定时调度与事件触发
  • 持久化记忆与跨平台互通：适配主流 IM 与协作平台，内置持久化记忆机制
• 核心架构
  • 接入层（Channel）：最外层接入适配组件，通过插件实现多平台消息格式转换
  • 网关层（Gateway）：系统中枢，统一承接外部请求，完成鉴权、过滤后分发下游
  • Agent 层：系统大脑，负责意图理解、计划制定、工具 / 技能调用决策
  • 能力层：包含浏览器操作、文件处理、API 调用等基础工具，可通过 Skill 扩展
• 记忆系统
  • 配置类文件
    • AGENTS.md：核心框架文件，定义 AI 工作规范、记忆管理、安全红线与行为准则
    • SOUL.md：人格设定文件，定义 AI 的沟通风格与人格特征
    • IDENTITY.md：身份设定文件，定义 AI 的名称、角色类型
    • USER.md：用户信息文件，存储用户基本信息与偏好
    • TOOLS.md：工具配置文件，记录个性化工具参数与偏好
    • HEARTBEAT.md：心跳检查清单，定义心跳周期内的例行检查事项
  • 存储类文件
    • memory/YYYY-MM-DD.md：按日期存储的每日对话记忆原始记录
    • MEMORY.md：长期记忆核心文件，存储提炼归纳后的关键信息

11.3 Hermes Agent

• 推出主体：AI 研究机构 Nous Research
• 核心特点
  • 自我进化能力：通过学习闭环自动从任务中总结经验，将有效工作流提炼为 Skill 并持续优化
  • 持久记忆系统：分层记忆架构，记忆用户习惯与历史经验，跨会话提供个性化体验

结尾

uu们，本文的内容到这里就全部结束了，艾莉丝在这里再次感谢您的阅读！

艾莉丝努力练剑 C/C++ & Linux 底层探索者 | 一个正在努力练剑的技术博主 👀【关注】跟随我一起深耕技术领域，见证每一次成长。 ❤️【点赞】让优质内容被更多人看见，让知识传递更有力量。 ⭐【收藏】把核心知识点存好，在需要时随时查、随时用。 💬【评论】分享你的经验或疑问，评论区一起交流避坑！ 不要忘记给博主“一键四连”哦！ “今日练剑达成！” “技术之路难免有困惑，但同行的人会让前进更有方向。”

结语：希望对学习Linux相关内容的uu有所帮助，不要忘记给博主“一键四连”哦！

往期回顾：

作为《面试专栏》的首篇，没有往期回顾。

🗡博主在这里放了一只小狗，大家看完了摸摸小狗放松一下吧！🗡૮₍ ˶ ˊ ᴥ ˋ˶₎ა