AI Agent（人工智能智能体）是一类软件系统，以大语言模型为决策核心，能够自主感知环境、规划步骤、使用工具、采取行动，以完成复杂任务。与传统的"如果-那么"规则系统不同，Agent 的每一步行动由大模型在运行时动态决定。这意味着 Agent 具备处理未预见情况的能力——它不依赖预先穷举所有可能性，而是在面对新输入时即时推理。Agent 接收目标后，自行分解任务、选择工具、执行行动、评估结果，而

claude 文件夹本质上是一套协议：告诉 Claude 你是谁、你的项目是干什么的、该守什么规矩。定义得越清楚，你纠正 Claude 的时间越少，它干正经活的时间越多。CLAUDE.md 是杠杆率最高的文件，先把它写好，其他一切都是优化项。从小处开始，边用边调，把它当成项目里的基础设施来经营：一次配好，每天分红。与其每次开会话都重复交代背景，不如这个周末就把 CLAUDE.md 写了。

传统 RAG 是"查资料写答案"，Agentic RAG 是"接到任务后自己想办法完成"。

用过 AI Agent，可能仍然说不清它和普通聊天机器人的区别。这张图来自 X 上 Brij Pandey（@LearnWithBrij）的架构解读，下面是中文整理，并加入一个帮助理解的代码修复示例。

正在进行的这一通，压在末尾。为什么当前对话要放最后？

LLM 是"硬件核心"，Agent 是"操作系统"。这样，“查三笔违约金"不再是一个模型猜着回答的问题，而是：模型先调用"查询违约交易"工具 → 工具返回数据 → 模型基于数据做排序 → 组装结果——每一步都有据可依，模型负责"决策与综合”，工具负责"事实与执行"。ReAct / 规划分工的意义在于：把"一次巨型输出"改成"多次小幅循环"，每一步只处理当前需要的信息，让模型的每段决策都聚焦在当前动

区别于传统只会一问一答的LLM调用开发，Agent工程师核心是让AI拥有自主思考、多步骤规划、调用工具、记忆复盘、自主完成复杂任务的能力，把大模型从“聊天机器人”变成能自动干活的智能代理。普通LLM开发：用户提问→单次返回回答，无法自主操作外部系统；Agent工程师：搭建具备大脑（大模型）+记忆+工具手脚+任务规划+自我纠错的自治智能体系统。

头脑发热，四肢发凉，恍恍惚惚，面试字节跳动，base杭州，经过123面，为大家送上半凉面经……作为一名无实习，双非一本水硕的应届生，好不容易求得一个字节的面试，将面试经历分享给大家，焦急等结果中…………前后大概面了一个月，太长了，不按123面的顺序写了，想起什么写什么。（PS：有没有大佬告知一下，三面算法题只给了个思路能过吗...问题基本答上来了）JAVA基础：1. hashMap put的过程2

AI时代来临，前端真的是首要冲击的岗位，转型势在必行。但？你是否也是一头雾水，有很多问题需要解答？。经过我和AI的反复沟通以及查阅了最新的AI框架官方文档，整理了一个还算完整的学习课程计划。

前端 AI 是当前最热门的技术方向，以下涵盖 AI 基础概念、前端 AI 应用场景、LLM 接入、AI Agent、RAG、Prompt Engineering 等高频面试题。