AI 面试知识体系索引（000）

📚 本目录为 **AI 面试知识库的唯一迭代源**。以后对话产生的新知识点，直接归类更新到下方对应大类文档；历史 `agent-output/` 目录不再更新。

📑 目录

• 1 📚 主文档（面试复习看这 14 个就够）
• 2 迭代规则（以后对话照此执行）
• 3 面试复习路径建议

1 📚 主文档（面试复习看这 14 个就够）

📚 本目录为 AI 面试知识库的唯一迭代源。以后对话产生的新知识点，直接归类更新到下方对应大类文档；历史 agent-output/ 目录不再更新。

🗂 组织方式：一个大类一个文档，大类文档内的每个 ## 章 = 一个主题分册，章内小节层级保持原样。所有内容 原封不动 按来源保留，仅标题降一级以适配层级。

📁 目录结构：doc/（13 个大类文档 + 014 提示词工程知识导图 + 本索引 + 对应 *_images 图片目录 + _分册源/ 合并前分册备份 + _split_backup_20260909/ 拆分前备份，全部在此）

📌 2026-09-09 拆分说明：原 001（AI 大模型与智能体）按主题拆出 008 大模型原理与基础 / 009 RAG 原理与评测 / 010 Agent 原理与评测 三个独立文档（评测体系按领域归属：LLM 评测留 001、Agent 评测入 010、RAG 评测入 009）；原 005（容灾止损专项）拆出 006 变更管控专项 / 007 监控报警专项 两个独立文档，005 只保留容灾主体。拆分内容全部原封不动，仅调整标题层级与图片相对路径。

📌 2026-09-11 二次拆分：大模型与 Agent 知识收敛为两文档——原 001 的 LLM 评测体系（评测工程师 JD/OpenCompass 实战/LLM 评测框架/安全评测/框架选型/价值观评测/长文本评测）整体并入 008 大模型原理与评测；001 §9.9「大模型评测 vs Agent 评测差异」并入 010 Agent 原理与评测；001 剩余（AI API 协议 + Skill/MCP 工具链 + AI 行业观察）独立为 001 工具链与行业观察。008 更名「大模型原理与评测」，图片目录与引用同步迁移，全库校验 537=537 ALL OK。

补充：_分册源/ 目录保存合并前的 12 个分册原文（含原始一级标题）；_split_backup_20260909/ 保存 2026-09-09 拆分前的 001/002/005 原文备份。图片目录 00X_xxx_images/ 与文档同名，引用已全部校验（引用数=文件数）。012 为归档资料文档（微信文章全文归档），内容来源见各部分的「📎 内容来源」块。

2 迭代规则（以后对话照此执行）

1. 新知识点先判断属于哪个大类 → 追加到大类文档对应 ## 章下（可在章内新增 ### 小节），保持原文完整
2. 新图片放入对应分册名 _images 目录，引用路径用相对路径 ./00X_xxx_images/xxx.jpg
3. 大块内容需拆主题时，按章/小节原封不动拆分归位，不删减
4. 每轮更新后自查：大类文档图片引用数 + 000 索引图 == 图片文件总数
5. 每个知识点在内容处标注来源链接（方便查看引用）： - 抖音视频来源 → 沿用 ### X.1 视频信息 表格，记录「原始链接 + 飞书妙记」双来源 - 微信文章来源 → 在所在章/文章标题下加「📎 内容来源」引用块（微信原文链接 + 官方博客/转载链接 + 发布时间） - 飞书文档 / 博客 / 论文 / GitHub 来源 → 在对应小节内保留原文链接 - 归档类多文合并文档（如《012_美团Agent评测方法论和白皮书》）：每个部分标题下都必须有来源块，文档头另放来源总表

3 面试复习路径建议

• 第一遍（2-3 天）：008（大模型原理+评测主线：机器学习 → 神经网络 → 注意力 → Transformer → LLM 评测体系）→ 010（Agent 原理与编排）→ 009（RAG 原理与检索）
• 第二遍（1-2 天）：010 章③ + 009 章②（评测体系：Agent/RAG 怎么衡量）→ 008 章⑩（LLM 评测与选型）→ 007（监控告警与事故响应）→ 006（变更管控）→ 005（容灾专项）
• 第三遍（随刷）：003（手撕代码）→ 002（项目面）→ 004（真题模拟）→ 001 章③（AI 行业观察，升华谈资）