一、RAG 核心必背
- RAG：检索增强生成，先检索私有文档，再给大模型参考生成答案。
- RAG 流程：文档加载→文本分块→向量化→向量库存储→相似度检索→大模型生成。
- RAG 作用：解决知识滞后、私有文档问答、降低幻觉、无需重训模型、成本低。
- 向量库：存储文本向量，按相似度快速检索相关片段。
- 幻觉成因：大模型仅靠训练知识凭空编造。
- 幻觉解决：RAG 给上下文、优化提示词、调分块、调检索阈值、换 Embedding 模型。
- 高级 RAG：Self-RAG、Agentic RAG，自主判断是否检索、迭代检索。
- RAG 调优：分块大小、检索条数、相似度阈值、Prompt、模型、Embedding 替换。
二、Agent 智能体必背
- Agent：基于大模型，具备自主思考、推理、工具调用、记忆、任务拆解的智能体。
- 普通大模型 vs Agent：普通仅聊天无思考；Agent 会推理、调工具、记上下文、拆复杂任务。
- ReAct 框架流程：思考推理→行动调用→观察结果→整理输出。
- ReAct 作用：自主决策、按需调工具、减少幻觉。
- Agent 工具：联网搜索、RAG 知识库检索、代码 / 接口执行。
- 短时记忆：当前会话有效，关闭即失效。
- 长时记忆：存向量库，跨会话跨时间保留用户偏好。
- 单 Agent：处理简单独立任务。
- 多 Agent：分工协作、任务拆解，适配复杂大型任务。
- Agent 完整流程：用户提问→ReAct 思考→判断是否调工具→调用工具→获取结果→结合记忆→输出答案。
三、LangChain 必背
- LangChain：大模型应用开发框架，快速搭建 RAG、Agent、业务工作流。
- 四大核心模块：Models 模型层、Prompts 提示词层、Chains 链层、Memory 记忆层。
- Models：统一对接大模型、对话模型、Embedding 模型，屏蔽厂商差异。
- Prompts：提示词模板、变量动态注入、格式化输出。
- Chains：串联多个组件，组成自动化业务流水线。
- Memory：保存对话历史，维持多轮上下文连贯。
- 常用组件：DocumentLoaders 文档加载器、VectorStores 向量库对接、Tools/Agents 工具封装。
- LangChain 用途：搭建 RAG、开发 Agent、构建工作流、一键切换大模型。
四、提示词工程必背
- 基础要素：角色定位、任务描述、约束条件、输出格式、示例参考。
- 少样本 Prompt：给多个示例，让模型按固定格式输出。
- 思维链 CoT：引导模型分步推理，提升复杂问题准确率。
- Prompt 优化原则：指令明确、约束清晰、格式固定、减少模糊表述。
五、大模型微调基础必背
- 微调：在预训练大模型基础上，用自有数据小幅训练，适配专属业务场景。
- 适用场景：专属话术、行业术语、固定输出格式、私有知识固化。
- SFT：有监督微调，给标准问答对，让模型学习指定输出风格。
- LoRA：轻量化微调，仅训练少量参数，显存占用低、成本低、效果好。
- 微调数据集：规范问答对、格式统一、去重降噪、样本均衡。
- 微调 vs RAG：RAG 适合实时更新知识；微调适合固定风格、固化私有知识。
- 微调劣势：成本高、周期长、更新数据需重调；RAG 可实时更新无需重训。
六、LLMOps 工程化必背
- LLMOps：大模型应用工程化，含模型管理、部署、监控、评测、成本管控。
- 模型管理：版本管理、开源模型下载、微调模型归档。
- 部署上线：模型封装接口、服务化部署、前后端联调。
- 监控观测：调用量、响应耗时、报错日志、幻觉率、用户提问统计。
- 评测调优：批量测试、打分评估、迭代优化模型与 Prompt。
- 成本管控：限制 Token 消耗、限流防滥用、统计计费、模型选型控成本。
七、多模态大模型必背
- 多模态：融合文本、图片、PDF、表格、图像多种信息输入。
- OCR + 大模型：识别图片文字，再做总结、问答、解析。
- CLIP：图文对齐模型，把图片和文本映射到同一向量空间。
- 多模态 Embedding：图文统一向量化，用于检索匹配。
- 多模态 RAG：图文 / PDF / 表格文档分块向量化、检索、多模态问答。
- 扫描件 PDF：依赖 OCR 解析，再走标准 RAG 流程。
八、项目面试通用必背
- 大模型应用开发：不用训练底层模型，只做框架组装、Prompt 调优、RAG/Agent 落地、部署运维。
- 日常工作：模型选型、参数调优（temperature/top_p）、Prompt 优化、RAG 调优、评测打分、接口封装、项目部署。
- 行业前景：大模型是十年级基础设施，非短期风口，未来成程序员基础技能。
- 难度对比：前端＜大模型应用＜传统后端，前端转适配度高。
- 三个必做项目：RAG 知识库、Agent 办公助手、多模态文档问答。
- 部署流程：开发调试→接口封装→服务器部署→日志监控→前后端联调→上线迭代。
九、核心参数必背
- temperature：温度，数值越高随机性越强，越低越严谨。
- top_p：控制输出多样性，截断概率累积采样。
- max_tokens：限制模型最大生成长度。
- 重复惩罚：抑制模型重复话术。
