【小哲讲大模型】 面试 通关秘籍
【小哲讲大模型】 面试 通关秘籍是什么资源？
这是【小哲讲大模型】面试通关秘籍，包含23个视频课程，帮助你深入理解AI Agent和大语言模型(LLM)，从基础知识到进阶应用，助你面试通关。
| 参数 | 详情 |
|---|---|
| 文件数量 | 158个 |
| 资源格式 | 数字资源 |
| 资源类型 | 综合资源 |
谁需要这份综合资源资源？
适合对AI Agent和大语言模型感兴趣的开发者和研究人员，他们面临的痛点是缺乏系统性的学习资源，难以理解这些概念的细节和应用。
为什么选择这份综合资源资源？
- 全面覆盖：从AI Agent的基础知识到大语言模型的进阶应用，全面覆盖面试中常见的热点问题。
- 实战导向：通过大量的例子和案例，帮助你理解这些概念在实际应用中的使用方法。
- 权威讲解：由资深讲师小哲亲自讲解，保证课程的质量和权威性。
👇 点击上方 支付下载 按钮即可获取完整资源
这份资源包含哪些具体内容？
课程包含23个视频，涵盖AI Agent、Agentic AI、大语言模型(LLM)、Token、Transformer、注意力机制(Attention)等主题，每个视频都有详细的讲解和例子，帮助你深入理解这些概念。
├── 1.01_什么是 AI Agent 它与传统 AI 有什么区别.mp4 ├── 10.10_为什么 Agent 需要记忆_.mp4 ├── 11.11_什么是推理引擎_.mp4 ├── 12.12_工具使用在 Agent 中的作用_.mp4 ├── 13.13_什么是环境交互_.mp4 ├── 14.14_感知与行动在 Agent 中如何体现_.mp4 ├── 15.15_单 Agent 与多 Agent 系统的区别_.mp4 ├── 16.16_Agent 的能力边界在哪里_.mp4 ├── 17.01_什么是大语言模型(LLM)_.mp4 ├── 18.02_LLM 是如何训练的_.mp4 ├── 19.03_什么是 Token_.mp4 ├── 2.02_什么是 Agentic AI.mp4 ├── 20.04_什么是下一个 Token 预测_.mp4 ├── 21.05_Transformer 的核心机制是什么_.mp4 ├── 22.06_注意力机制(Attention)是怎么工作的_.mp4 ├── 23.07_Temperature 参数对生成结果有什么影响_.mp4 ├── 24.08_Top-K 和 Top-P 采样是什么_.mp4 ├── 25.09_什么是幻觉(Hallucination)_.mp4 ├── 26.10_LLM 为什么会产生幻觉_.mp4 ├── 27.11_如何评估 LLM 的质量_.mp4 ├── 28.12_开源模型 vs API 模型，如何选择_.mp4 ├── 29.13_如何为项目选择合适的 LLM_.mp4 ├── 3.03_LLM 与 Agent 有什么区别.mp4 ├── 30.14_Prompt 对 LLM 输出有什么影响_.mp4 ├── 31.15_什么是指令微调(Instruction Tuning)_.mp4 ├── 32.16_RLHF 在 LLM 中起什么作用_.mp4 ├── 33.01_什么是提示词工程（Prompt Engineering）.mp4 ├── 34.02_Zero-Shot 和 Few-Shot 有什么区别.mp4 ├── 35.03_什么是思维链（Chain of Thought）.mp4 ├── 36.04_为什么 CoT 能提升推理能力.mp4 ├── 37.05_什么是自洽性（Self-Consistency）.mp4 ├── 38.06_什么是 ReAct 提示策略.mp4 ├── 39.07_如何设计稳定可靠的 Prompt.mp4 ├── 4.04_为什么从 LLM 应用转向 Agent.mp4 ├── 40.08_什么是 Prompt 注入攻击.mp4 ├── 41.09_如何防御 Prompt 注入.mp4 ├── 42.10_如何设计高质量的 Prompt 模板.mp4 ├── 43.11_System Prompt 和 User Prompt 有什么区别.mp4 ├── 44.12_如何控制 LLM 的输出格式.mp4 ├── 45.13_如何提升 Prompt 的鲁棒性.mp4 ├── 46.14_如何为多步骤任务设计 Prompt.mp4 ├── 47.15_Prompt 对 Agent 行为有什么影响.mp4 ├── 48.01_一个完整的 Agent 架构包含哪些部分.mp4 ├── 49.02_Agent 的规划（Planning）机制是什么.mp4 ├── 5.05_Agent 的核心组件有哪些.mp4 ├── 50.03_什么是任务分解 Agent 如何做任务分解.mp4 ├── 51.04_Agent 的决策机制是什么.mp4 ├── 52.05_工具调用和函数调用是什么 有什么区别.mp4 ├── 53.06_Agent 如何调用外部 API.mp4 ├── 54.07_什么是执行循环（Execution Loop）.mp4 ├── 55.08_Agent 如何处理重试和错误恢复.mp4 ├── 56.09_Agent 的记忆系统有哪些设计模式.mp4 ├── 57.10_短期记忆和长期记忆在 Agent 中如何实现.mp4 ├── 58.11_Agent 如何管理状态（State Management）.mp4 ├── 59.12_什么是 Agent 的自我反思（Reflection）.mp4 ├── 6.06_Agent 和 Chatbot 的区别.mp4 ├── 60.13_多 Agent 如何协作.mp4 ├── 61.14_Agent 如何进行任务优先级排序.mp4 ├── 62.15_如何设计一个通用 Agent 框架.mp4 ├── 63.16_如何设计一个垂直领域 Agent.mp4 ├── 64.01_什么是 RAG（检索增强生成）.mp4 ├── 65.02_RAG 的工作流程是什么.mp4 ├── 66.03_为什么 Agent 需要 RAG.mp4 ├── 67.04_什么是向量嵌入（Embedding）.mp4 ├── 68.05_什么是文档分块（Chunking）.mp4 ├── 69.06_如何选择合适的 Chunk Size.mp4 ├── 7.07_什么是自主 Agent.mp4 ├── 70.07_什么是向量数据库.mp4 ├── 71.08_常见向量数据库有哪些 如何选择.mp4 ├── 72.09_向量相似度搜索是如何实现的.mp4 ├── 73.10_如何优化 RAG 的召回率.mp4 ├── 74.11_如何优化 RAG 的精确率.mp4 ├── 75.12_Rerank 在 RAG 中起什么作用.mp4 ├── 76.13_RAG 如何解决长上下文问题.mp4 ├── 77.14_RAG 如何减少幻觉.mp4 ├── 78.15_RAG 和微调如何选择.mp4 ├── 79.16_RAG 落地最难的问题是什么.mp4 ├── 8.08_什么是目标驱动型 Agent_.mp4 └── 9.09_什么是多步推理_ Agent 如何实现_.mp4 ├── 1.01_什么是 AI Agent 它与传统 AI 有什么区别.mp4 ├── 10.10_为什么 Agent 需要记忆_.mp4 ├── 11.11_什么是推理引擎_.mp4 ├── 12.12_工具使用在 Agent 中的作用_.mp4 ├── 13.13_什么是环境交互_.mp4 ├── 14.14_感知与行动在 Agent 中如何体现_.mp4 ├── 15.15_单 Agent 与多 Agent 系统的区别_.mp4 ├── 16.16_Agent 的能力边界在哪里_.mp4 ├── 17.01_什么是大语言模型(LLM)_.mp4 ├── 18.02_LLM 是如何训练的_.mp4 ├── 19.03_什么是 Token_.mp4 ├── 2.02_什么是 Agentic AI.mp4 ├── 20.04_什么是下一个 Token 预测_.mp4 ├── 21.05_Transformer 的核心机制是什么_.mp4 ├── 22.06_注意力机制(Attention)是怎么工作的_.mp4 ├── 23.07_Temperature 参数对生成结果有什么影响_.mp4 ├── 24.08_Top-K 和 Top-P 采样是什么_.mp4 ├── 25.09_什么是幻觉(Hallucination)_.mp4 ├── 26.10_LLM 为什么会产生幻觉_.mp4 ├── 27.11_如何评估 LLM 的质量_.mp4 ├── 28.12_开源模型 vs API 模型，如何选择_.mp4 ├── 29.13_如何为项目选择合适的 LLM_.mp4 ├── 3.03_LLM 与 Agent 有什么区别.mp4 ├── 30.14_Prompt 对 LLM 输出有什么影响_.mp4 ├── 31.15_什么是指令微调(Instruction Tuning)_.mp4 ├── 32.16_RLHF 在 LLM 中起什么作用_.mp4 ├── 33.01_什么是提示词工程（Prompt Engineering）.mp4 ├── 34.02_Zero-Shot 和 Few-Shot 有什么区别.mp4 ├── 35.03_什么是思维链（Chain of Thought）.mp4 ├── 36.04_为什么 CoT 能提升推理能力.mp4 ├── 37.05_什么是自洽性（Self-Consistency）.mp4 ├── 38.06_什么是 ReAct 提示策略.mp4 ├── 39.07_如何设计稳定可靠的 Prompt.mp4 ├── 4.04_为什么从 LLM 应用转向 Agent.mp4 ├── 40.08_什么是 Prompt 注入攻击.mp4 ├── 41.09_如何防御 Prompt 注入.mp4 ├── 42.10_如何设计高质量的 Prompt 模板.mp4 ├── 43.11_System Prompt 和 User Prompt 有什么区别.mp4 ├── 44.12_如何控制 LLM 的输出格式.mp4 ├── 45.13_如何提升 Prompt 的鲁棒性.mp4 ├── 46.14_如何为多步骤任务设计 Prompt.mp4 ├── 47.15_Prompt 对 Agent 行为有什么影响.mp4 ├── 48.01_一个完整的 Agent 架构包含哪些部分.mp4 ├── 49.02_Agent 的规划（Planning）机制是什么.mp4 ├── 5.05_Agent 的核心组件有哪些.mp4 ├── 50.03_什么是任务分解 Agent 如何做任务分解.mp4 ├── 51.04_Agent 的决策机制是什么.mp4 ├── 52.05_工具调用和函数调用是什么 有什么区别.mp4 ├── 53.06_Agent 如何调用外部 API.mp4 ├── 54.07_什么是执行循环（Execution Loop）.mp4 ├── 55.08_Agent 如何处理重试和错误恢复.mp4 ├── 56.09_Agent 的记忆系统有哪些设计模式.mp4 ├── 57.10_短期记忆和长期记忆在 Agent 中如何实现.mp4 ├── 58.11_Agent 如何管理状态（State Management）.mp4 ├── 59.12_什么是 Agent 的自我反思（Reflection）.mp4 ├── 6.06_Agent 和 Chatbot 的区别.mp4 ├── 60.13_多 Agent 如何协作.mp4 ├── 61.14_Agent 如何进行任务优先级排序.mp4 ├── 62.15_如何设计一个通用 Agent 框架.mp4 ├── 63.16_如何设计一个垂直领域 Agent.mp4 ├── 64.01_什么是 RAG（检索增强生成）.mp4 ├── 65.02_RAG 的工作流程是什么.mp4 ├── 66.03_为什么 Agent 需要 RAG.mp4 ├── 67.04_什么是向量嵌入（Embedding）.mp4 ├── 68.05_什么是文档分块（Chunking）.mp4 ├── 69.06_如何选择合适的 Chunk Size.mp4 ├── 7.07_什么是自主 Agent.mp4 ├── 70.07_什么是向量数据库.mp4 ├── 71.08_常见向量数据库有哪些 如何选择.mp4 ├── 72.09_向量相似度搜索是如何实现的.mp4 ├── 73.10_如何优化 RAG 的召回率.mp4 ├── 74.11_如何优化 RAG 的精确率.mp4 ├── 75.12_Rerank 在 RAG 中起什么作用.mp4 ├── 76.13_RAG 如何解决长上下文问题.mp4 ├── 77.14_RAG 如何减少幻觉.mp4 ├── 78.15_RAG 和微调如何选择.mp4 ├── 79.16_RAG 落地最难的问题是什么.mp4 ├── 8.08_什么是目标驱动型 Agent_.mp4 └── 9.09_什么是多步推理_ Agent 如何实现_.mp4
如何下载和使用这份资源？
点击下载按钮，获取【小哲讲大模型】面试通关秘籍的全部23个视频课程，开始你的AI Agent和大语言模型学习之旅。通过系统性的学习，你将掌握面试中常见的热点问题，助你顺利通关面试。
- 点击页面上方的”支付下载”按钮
- 根据提示完成支付流程
- 支付完成后即可下载完整资源
- 如有问题请联系客服获取帮助
关于【小哲讲大模型】 面试 通关秘籍的常见问题
课程包含哪些主题？
课程包含AI Agent、Agentic AI、大语言模型(LLM)、Token、Transformer、注意力机制(Attention)等主题。
课程有多少个视频？
课程包含23个视频。
课程适合什么人学习？
课程适合对AI Agent和大语言模型感兴趣的开发者和研究人员。
