File not found

这篇文章只做原文摘录和概念归类，不重新改写已有解释。每个二级模块下面都整理了相关原文链接，想深入看完整上下文，可以点进原文继续读。

大模型基础

相关原文：

• LLM 运行机制：Token、上下文窗口与采样参数怎么影响输出
• 大模型提示词工程（Prompt Engineering）是什么？提示词技巧有哪些？
• 大模型结构化输出：从 JSON 契约到 Function Calling 落地

File not found

Agent 不是“会调用工具的聊天机器人”。一旦任务变长，它就要处理状态、记忆、权限、失败重试、上下文裁剪和执行边界。

这份 AI Agent 专题 面向想理解和落地 Agent 应用的开发者，把 Agent Loop、Memory、Prompt、Context、Tools、MCP、Skills、Harness Engineering 和 Workflow 放到同一条工程主线里看。

适合谁看

• 想理解 AI Agent 原理和工程落地方式的开发者。
• 正在做工具调用、自动化任务、多轮推理、长任务执行相关 AI 应用的工程师。
• 准备 Agent、MCP、Prompt、Context、Skills、工作流相关面试题的同学。

Agent 接到任务后，需要读取上下文、决定下一步动作、调用工具、观察结果，再判断继续、结束还是交给人工。AI Agent 面试题基本沿着这条执行链路展开，Memory、MCP、Skills、Harness 和 Workflow 都可以放回链路中理解。

题目按 JavaGuide AI Agent 专题的章节分组。每组都附有详细文章，这里只整理考点和问题，不重复展开答案。

Agent 基础

相关内容：《AI Agent 核心概念：Agent Loop、Plan-and-Execute、A2A、Agentic Workflows、Tools 注册》