LLM 应用开发面试 100 题全解析
LLM 应用开发面试 100 题全解析，涵盖 RAG 专题（分块策略/评估体系/多路召回）、Agent 编排（LangGraph/工具调用）、模型部署（vLLM/量化推理）、微调技术（LoRA/QLoRA）等核心领域，由浅入深，每题附标准回答与实战经验。
文章列表
LLM 应用开发面试题与参考答案 V2：基础知识到工程实战
LLM 应用开发面试第二场，三阶段递进考察：基础知识（Self-Attention/QKV/Temperature采样/语义歧义检索）、工程实战（AI客服Agent架构/百万QPS缓存策略/P99延迟优化）、开放场景（数据泄露排查/答案一致性调试），每题附深度参考答案。
DeerFlow 源码剖析：字节跳动开源 AI 超级智能体框架
字节跳动开源 DeerFlow AI 超级智能体框架源码深度剖析，覆盖整体架构、核心引擎、API 网关、IM 渠道层、技能系统、Agent 系统、运行时引擎、模型提供者、工具系统、沙箱、MCP 协议集成、安全护栏与持久化层。
LangChain 与 LangGraph 大厂高频面试题库 100 题
LangChain 与 LangGraph 大厂高频面试题库 100 题，覆盖 LangChain 核心架构、LCEL 表达式、RAG 管线、Agent 决策、Memory 管理、LangGraph 状态图编排、生产部署与性能优化等全考点，面向大模型应用开发岗面试冲刺。
DeepAgents 深入学习指南：生产级 AI 智能体开发
DeepAgents v0.6.8 完全学习教程，详解 LangChain 生态三层架构（LangGraph/create_agent/DeepAgents），覆盖核心 API、模型配置、内置工具体系、中间件、子代理、技能系统、记忆系统、人机协作、上下文管理与生产部署。
CrewAI 学习教程：从零构建多智能体协作系统
CrewAI 完整学习教程，从零构建多智能体协作系统。详解 Agent/Task/Crew 核心概念、Process 编排模式、Flow 工作流、记忆系统、工具集成，对比 AutoGen/LangGraph/MetaGPT，配合内容创作流水线等实战案例。
Trae Agent 源码深入研究：字节跳动开源 LLM 软件工程代理
字节跳动 Trae Agent 源码深入研究，详解基于 LLM 的通用软件工程代理架构，覆盖 CLI 层、代理编排层、工具系统（文件编辑/Bash执行/顺序思维/代码知识图谱）、LLM 多提供商支持、轨迹记录、Docker 模式与评估系统。
AutoGen 精通教程：从零到企业级多 Agent 系统架构师
AutoGen 全面精通教程，详解微软开源多 Agent 对话框架，覆盖核心概念（ConversableAgent/AssistantAgent/UserProxyAgent）、群组聊天、代码执行沙箱、工具调用、人类反馈介入、Docker 沙箱与企业级部署架构。
2026 AI 开发者必备：Agent 开源生态图谱
2026 年 AI 开发者必备的 Agent 开源生态图谱，基于 GitHub API 真实数据，覆盖 35+ Agent 框架（AutoGPT/LangChain/DeerFlow/MetaGPT 等）、工具链、记忆系统、评估框架与部署方案，按 Stars 排名的全景式选型指南。
.png)
首个 Java Harness Framework 来了｜AgentScope 把 OpenClaw 带到企业分布式场景
阿里妹导读：本文旨在正式宣告 AgentScope Java 1.1.0 里程碑版本的发布，重点阐述该版本如何从工程实践层面完整落地"Harness Framework"理念。 背景引入 书接上回，我在之前的一篇文章中深入分析了 OpenClaw 及其背后的 Harness Engineering