LangChain、LangGraph、CrewAI、DeerFlow、Dify、n8n 这些项目都值得关注，但它们迭代很快。真正稳定的是底层能力：工具循环、记忆管理、RAG 管线、工作流编排、评估与护栏。很多岗位表面上仍叫后端开发，但面试里会问 RAG、Agent、大模型接口接入、流式响应、成本控制等问题。对新人来说，AI 时代最大的机会不是成为模型研究员，而是成为能把 AI 能力真正落到生产系

能力错配：意图识别、改写、简单抽取这类"轻活"，用旗舰模型是纯浪费；而复杂规划、多步推理、长上下文聚合又确实需要强模型。成本失控：一次 Agent 任务往往包含几十上百次 LLM 调用（规划、工具调用、反思、总结、子任务）。如果全部走最贵的模型，Token 成本随步骤数线性甚至超线性膨胀。延迟不可控：交互式 Agent 对首 Token 延迟和总时延敏感，强模型慢，需要在延迟预算内做取舍。可靠性与

Runtime Agent，更准确地应称为Agent Runtime（智能体运行时），是承载 AI Agent 运行与编排的运行时环境。可以将其类比传统应用开发中的 JVM 或 Node.js 运行时——但复杂度更高、能力边界更广。Agent Runtime 位于智能体框架与实际执行环境之间，负责驱动智能体全生命周期、状态管理、任务执行及资源调度。它是 AI 智能体在生产级场景下稳定运行的底层执行

滑动窗口本质上是在数组或字符串中，维护一个「连续的区间」（可以理解为一个“窗口”），通过调整窗口的左、右边界，来遍历所有可能的有效区间，进而求解问题。类比生活场景：就像我们用一个固定大小的框，在一排物品上从左到右滑动，每次滑动后，框内的物品就是当前的“窗口内容”，我们通过观察框内的物品，来获取需要的信息（比如最大值、是否包含目标元素等）。滑动窗口的核心是「维护窗口内的信息」，避免重复遍历，实现高效

每一步都做出当前局部最优的选择，不回头、不反悔，最终希望得到全局最优解。举个生活中的例子：你要从家去公司，想走最短的路。贪心的做法就是，每一个路口都选“看起来离公司最近”的方向走，不考虑后面会不会有更短的岔路——这种“短视”的选择，在某些场景下（比如路线没有复杂绕路），就能得到全局最短路径。

NPM = JavaScript / Node.js 的软件商店 + 工程管家只要你写前端、写 Node、做 AI 应用开发，你离不开它。1. NPM 是全球最大的 AI 应用开发库生态2. 所有 AI 网页产品、客户端产品，都依赖 NPM 构建3. 前端离线 AI、浏览器推理是未来大趋势4. 个人 AI 创业、AI 插件开发，NPM 是最低门槛入口5. AI 不只是训练，落地产品才是价值如果你正

题目双指针类型核心规则时间复杂度空间复杂度核心难点盛最多水的容器对撞双指针谁矮移动谁O(n)O(1)理解指针移动的逻辑（为什么移动较矮的指针）三数之和排序+对撞双指针和小左移，和大右移，三重去重O(n²)去重（三个位置的去重逻辑）、内存分配接雨水对撞双指针+左右最值谁的最值小处理谁O(n)O(1)理解“最值决定接水量”的原理，指针移动逻辑。