# 保研面试突击



<!--more-->
## 高频八股

线代的特征值，线性相关，概统的贝叶斯，中心极限定理，计网的TCP,UDP，操作系统的进程与线程等等

### 产品生命周期实践
Agent产品其实主要经历的流程就是：
{{< mermaid >}}

graph LR;

    A[*发现AI产品的机会*] --> B(*设计、开发、测试、上线产品*)

    B --> C[*运营产品*]

    C e1@--> |反馈迭代|A
     e1@{ animate: true }


{{< /mermaid >}}

#### 如何洞察呢？

拆解案例：

{{< mermaid >}}

flowchart LR
   A(哄哄模拟器) --> B(Ruzz)
   style A fill:#f9f,stroke:#333,stroke-width:2px
    style B fill:#bbf,stroke:#f66,stroke-width:2px,color:#fff


{{< /mermaid >}}


## 
可以粗略用一个(四象限图+)[^src2]
[^src2]:2025百度云智大会0829智能体专题论坛

### Agent洞察和趋势[^src3]
[^src3]:西
Agent是在大模型之上的
1. 大模型超强的能力，多强呢？（3点）
- ①世界知识，虽然不精，但是他面儿广，各行各业（横向）
- ②交互用的是语言，同时各国语言都会（纵向）
- ③多模态，语言不好描述的，多模态形式图表视频

但是大模型和人比有局限，他是给输入给输出，人是会学习、反思、记忆、用工具、协作。
因此，Agent像人，就要多上面这些东西，就能落地产生价值。

2. agent和人比的优劣？
- 劣：①人脑神奇，训推一体。agent还是一种计算。②人创新
- 优：①机器，不知疲倦。②可复制，批量优秀agent。

3. Agent的趋势（理想化，我要当一个Agent宝👼🏻）
- ① RL模型知识能力
- ② 使用工具的能力、工具本身
- ③ 单到多，协作模式
- ④ 泛化到各行业、个人使用，开发门槛降低
- ⑤ （算力算法数据）

### 
[^src4]
[^src4]:李景秋AI与大模型平台架构师
千帆大模型平台4.0

#### Agent的编排框架
- 自主规划Agent
- 工作流Agent
  - 企业级，更稳定
- 多智能体
  - 子agent：
  - A2A协议
 - 

#### 
模型
工具调用
规划思考：query的思维链长短，性能成本
工具：
- 百度系列搜素、网盘、地图、能力mcp、第三方实用工具

百度AI搜素（人用 vs AI用）
内容优化

rag


#### 开发的“坑”🕳与“解”🪢{#目录}

[选题](#选题) --> [选型](#选型) -->[参考](#开发)



##### 选题[🔙](#目录){#选题 style="color: #911da6ff;"}
贪、大，MVA
选题的时候需要确认以下方面是不是都ok：


##### 选型&方法论[🔙](#目录){#选型 style="color: #911da6ff;"}
可拓展性，以后迭代

##### 开发中：选模型[🔙](#目录){#开发 style="color: #911da6ff;"}
![](https://i.postimg.cc/cL2HN7Sr/image.png)

---
## MCP开发{style="color: orange;"}
锦恢
需要做独立的环境用uv，代码写多行注释，因为大模型看得到
MCP开发——fastmcp
MCP服务器调试——openMCP

jinja封装prompt，别人也知道你agent的能力边界
开发简单，但是验证比较难，不好落地
[Claude收集的MCP](https://github.com/modelcontextprotocol/servers)


托管部署
- 国内：魔搭社区
- 国外：Smithery



大模型到Agent
2015-2021年 百度、微软、谷歌 积累
- NVIDIA CUDA生态 & NVLink技术（英伟达的护城河） -- 硬件算力、（训练大模型要多张卡，link就是连接卡直接的
- Transformer架构演进 -- 算法、（RNN是串行，层数和时间，变成并行
- DeepSpeed训练框架 -- infra、（怎么切每张卡放多少，可以无限scale
- 大模型语料积累 -- 数据

2020-2023年 大模型验证
- GPT-3：补全句子模型，参数规模和智能提升（BERT是完型填空
- InstructGPT：RLHF训练范式
- ChatGPT爆火
- 百模大战：2025年可以结束了，垂类开始多了

2024年-至今 迈向Agent
从文本回答-到-执行任务

内外循环
内prompt
外用户的

还有什么能做的？
如何验证你agent真的有用？好用：真实业务场景下的结果，代码好说可跑、ugc不好
如何验证的反馈去迭代系统？回流系统和自我迭代机制
agent生命周期，系统化、科学化的验证，五个轮子马车。验证checklist，用llm打分
mcp zero



---
## 参考
[返回目录](#开发)