00 学习路线与面试地图

一、先看清楚：Agent 岗位的招聘要求和面试之间差在哪

我整理过 54 条 AI 应用、全栈方向的岗位描述（武汉、苏州为主，辅以深圳，不代表全国市场）。按关键词粗略统计，每条岗位同一个词最多算一次：

这是按正则表达式粗略匹配的结果，和 resume/boss_ai_fullstack_2026-09-10/岗位要求对照.md 里的人工统计方法不同，个别数字有出入。出现不等于硬性要求，很多是”优先""加分项”。

从这张表能看出两件事：

第一，岗位描述写的是名词，面试考的是做法。 岗位描述里”评测”只出现 9 次、“工具调用”11 次、“上下文”几乎没有，但面试时这些恰恰是追问最多的：你怎么知道效果变好了？模型参数传错了怎么办？对话太长怎么处理？岗位描述写”熟悉 RAG”，面试问的是”召回不准你怎么排查”。

第二，很多 AI 应用岗本质是”后端开发 + 调模型”。 Redis、Docker、FastAPI、SQL 出现得不比 AI 词少。只会 AI 概念、后端基础薄弱，在第一轮技术面就容易挂。

所以这个系列的取舍是：

• 重点讲透：工具调用、Agent 循环、上下文、RAG、评测、安全——这些是面试追问区
• 讲到能用：Prompt、框架、MCP、多 Agent、后端工程——会用、能说清取舍即可
• 只讲概念：大模型原理、微调、推理部署——能回答”是什么、为什么”，不深入数学和训练

有一条岗位值得单独记住：智慧芽明确要求提交 AI Agent Demo、代码仓库和演示视频。另一条孚若科技点名”结构化输出、工具调用、上下文管理、失败兜底、回归验证”，这五个词基本就是 Agent 岗面试的真实大纲。

二、一张图看懂 Agent 应用由哪些部分组成

下面是一个典型 Agent 应用从用户请求到返回结果经过的所有环节，方框里的数字是对应的篇目。

flowchart TB
    U[用户请求] --> API[14 后端服务<br/>接口 / 流式输出 / 任务队列]
    API --> LOOP[05 Agent 循环<br/>决定下一步 / 何时停止]
    LOOP --> CTX[06 上下文工程<br/>拼装消息 / 压缩 / 记忆]
    CTX --> P[03 Prompt<br/>系统提示词 / 结构化输出]
    P --> LLM[02 模型 API<br/>调用 / 重试 / 降级]
    LLM --> B[01 大模型基础<br/>token / 采样 / 成本]
    LLM --> LOOP
    LOOP --> T[04 工具调用<br/>校验 / 执行 / 回填]
    T --> RAG[08 RAG<br/>检索知识库]
    T --> SEC[11 安全<br/>权限 / 沙箱 / 注入]
    LOOP --> STATE[07 状态与恢复<br/>检查点 / 幂等 / 人工确认]
    LOOP -.-> MULTI[13 多 Agent]
    FW[12 框架与协议<br/>LangGraph / MCP] -.-> LOOP
    OBS[10 可观测<br/>日志 / 链路追踪 / 成本] -.-> LOOP
    EVAL[09 评测<br/>测试集 / 回归] -.-> LOOP

实线是一次请求的数据流向；虚线是贯穿全程的支撑能力。15 系统设计题把这些拼成完整方案，16 项目怎么讲把它们落到你自己的项目上。

这张图只列出了有哪些部分。每个部分为什么会出现、各篇之间怎么接起来，看 00b 全景：一个循环推出整个系列。

三、系列目录

四、按什么顺序学

不建议按编号从 01 读到 16。按下面三个阶段，每个阶段结束都有一个能自己检查的目标。

阶段一：能把一个 Agent 从零写出来（第 1 周）

阶段一结束时，你应该能不借助任何框架，从空文件写出一个能用的 Agent。这是后面所有内容的基础，面试时”手写 Agent 循环”也是常见的现场题。

阶段二：把 Agent 做到”可上线”（第 2 周）

阶段三：面试准备（第 3 周）

每天大约 3–4 小时。已经熟悉的部分可以只看速记页和自测，直接跳过。

五、每篇文章怎么读

除本篇外，每篇都是同样的结构：

三条读法建议：

1. 代码一定要自己跑。 每段标了”实际输出”的代码都是写文章时真跑出来的。自己跑一遍，再按文末的”自己改一改”改几个地方，比读三遍记得牢
2. 口述稿要出声念。 面试是口试，脑子里明白和嘴上说得出是两回事。念到卡住的地方，就是还没真懂的地方
3. “对照项目”里的”没做到”要看。 面试官追问项目时，主动说出局限和改进方向，比把项目吹得完美更可信

六、Python 基础要到什么程度

系列里的 Python 代码会从头讲语法，第一次出现的语法都会单独解释，不需要提前系统学 Python。

但下面这些最好先有个印象，遇到时不至于完全陌生：

动手前准备：

• Python 3.11 或更新版本（本系列在 3.13 和 3.14 上跑过）
• 一个模型 API key。国内推荐 DeepSeek，价格低、兼容 OpenAI 格式，项目里用的就是它。没有 key 也能学：大部分实验用假模型，不需要联网
• CrossBuild Agent 项目代码：仓库里 projects/crossbuild-agent/，或公开仓库 github.com/0612like/crossbuild-agent

七、必读的外部文章

不用一次读完，学到对应篇目时再读。下面的链接都在 2026-09-15 打开核对过。

2025 年下半年以后的新材料（2026-09-17 补充核对）。上面几篇讲的是基本方法，到现在仍然成立；下面这些是之后一年里做法上的变化，面试被问”最近有什么新进展”时用得上：

对照用的开源实现：pi 是一个开源的编程 Agent（TypeScript，MIT 许可），模型接口、主循环、工具、会话存储、压缩全部自己写，没用框架。02、04、05、06、07、09、10、11、12、13 篇的第五部分都加了”对照开源实现：pi”一节，拿它的源码和本系列讲的做法、和我的项目逐项比。引用的源码统一以 commit 7b4cfd6（2026-09-11）为准。

八、这个系列和仓库里其他材料的关系

• 原来 interview/从零开始图解/ 下的 Agent、RAG、Prompt 与评测三篇，以及 ai/ 下 01–07 专题目录，内容会被这个系列覆盖，系列写完后删除
• 项目的完整事实以 projects/crossbuild-agent/eval/REPORT.md 和 docs/progress.md 为准，文章里引用的数字都来自这两处
• 简历怎么写看 resume/resume_ai_v1.md，本系列 16 篇讲的是面试时怎么把它讲出来

下一步：从 04 工具调用与工具设计 开始看样章。01–03 写好后，按第四节的顺序学。