能输入任务、调模型、流式输出文字、保存会话历史。
验收标准 同一会话多轮对话不断线。
目标岗位：AI Agent 开发工程师、AI 全栈开发工程师。学习方式：按题学习，由简单到难；每题先自己回答，再对照讲解和追问。进度：2026-10-28 开始第 1 阶段第 1 题（待用户作答）。项目总目标：写一个类似 Codex 的开源 Code Agent —— 这个项目本身，就是面试时能被深挖的项目。
打开链接就能看，不用下载文件。先看工程图理解 Harness（运行框架），再按里程碑做项目，最后回到题库逐题作答。
学习不再按知识点散着学，而是按“做出一个能用的 Code Agent”来拆分：每学一个模块，就回答一道面试题，再把这个模块真的写出来、跑通一个验收标准。最后这个项目本身就是面试时能深挖的项目（架构、取舍、失败复盘、指标都有真实数据）。
Codex 这类工具的核心不是模型本身，而是模型外面的 Harness（运行框架）。点下面任意里程碑节点，跳到对应的里程碑卡片。
用户输入任务，加载配置、权限、项目规则与技能。
拼好模型能看到的上下文，调模型判断下一步。
工具过审批与沙箱检查，再执行 Shell、改文件、调外部工具。
结果写回会话历史，循环推进，直到任务完成或触顶。
输出结果，附验证、成本与延迟的真实记录。
原文：Codex 这类工具的核心不是模型本身，而是模型外面的 Harness（运行框架）：一段目标 → 多轮推理 → 多次工具调用 → 状态更新 → 最终交付。它的复杂度主要来自三点：上下文有限要压缩裁剪、工具能读写文件执行命令必须有权限沙箱、多入口（交互式、无交互 exec、IDE、MCP Server）要稳定协议和分层。
按项目拆分，由简单到难。点卡片标题展开 / 收起，查看完整说明、对应题目与验收标准。
能输入任务、调模型、流式输出文字、保存会话历史。
读文件、列目录、只读 Shell、改文件（patch），循环到任务完成或达到最大步数。
加载 AGENTS.md（项目规则）、仓库结构图、按需读文件、超出预算时压缩或裁剪历史。
沙箱三档（只读、仅写工作区、完全访问）+ 审批策略（自动、请求时问、每次都问）+ 命令 allowlist、超时、禁止出工作区。
改完代码自动跑测试和 lint，读失败输出再修，修完再跑，直到通过或认输汇报。
把探索、评审拆给子智能体（独立上下文），把常用流程写成 Skill（SKILL.md + 脚本），按需加载不一次全塞进上下文。
线程可创建、恢复、派生、归档；任务 checkpoint（检查点）、取消、后台运行、无交互 exec 模式、成本与延迟统计。
模型适配层（换模型只改配置）、配置文件、文档、评测集、CI、开源协议。
先做 M0-M1，做出“能跑通的最小 Agent”，再做 M3 安全（写文件前必须有），再做 M2 上下文和 M4 验证闭环，最后做 M5-M7。面试题库下面 6 个阶段不变，但以后每道题都先问一句：这道题对应上面哪个里程碑、你做的项目里是怎么实现的？答不上来就说明那个模块还没真做出来。
全部题目原文呈现，由简单到难。点阶段标题展开 / 收起；搜索时只显示命中的题目。
什么是 AI Agent？它和普通聊天机器人、RPA 有什么本质区别？
大语言模型（LLM）在 Agent 里扮演什么核心角色？感知、大脑、执行三个模块各做什么？
什么是 ReAct？一轮 ReAct 循环包含哪几步？
Function Calling / Tool Calling 是怎么工作的？为什么工具参数要用严格的 JSON Schema？
什么是 RAG？什么情况下用 RAG，什么情况下用微调，什么情况下只用 Prompt 就够了？
System Prompt 和 User Prompt 有什么区别？temperature（温度）调高调低会怎样？
如何设计一套可上线的企业级 RAG 系统？按数据接入、解析清洗、分块元数据、Embedding 索引、混合召回、Rerank、生成、引用评估监控来讲。
知识库来源是 PDF、PPT、图片、网页而不是 Markdown 时，怎么处理进 RAG？（图片 OCR、标题段落表格页码、语义分块、来源与权限元数据）
为什么只用向量检索不够？混合检索、RRF 融合、Rerank 各解决什么问题？
RAG 答错了怎么排障？先看正确答案有没有进候选集，再看排名，最后看生成。
ReAct、固定工作流、多 Agent 各适合什么场景？单个 Agent 能分多个职能时，为什么还要拆多 Agent？
MCP、Function Calling、A2A 各解决什么问题？三者有什么区别？
Agent 的记忆分几类？长任务怎么做到不丢状态、可恢复、可取消？
工具误调用、死循环、长任务中断怎么防？最大步数、状态去重、超时熔断、幂等、人工审批各用在哪？
如何设计一个代码审查 Agent？怎么限制风险？（只读、沙箱、allowlist、人工确认、行号证据校验）
设计一个智能客服 Agent：从鉴权会话恢复、意图风险识别、知识检索或业务工具调用、结果校验、生成回复、人工兜底、评价回流来讲。
Agent 成本和延迟怎么优化？缓存、模型路由、流式输出、并行工具调用、上下文裁剪各省什么？
幻觉和 Prompt 注入怎么防？RAG 引用、拒答、结构化校验、沙箱、最小权限、审计各防哪一层？
Agent 怎么评估？任务成功率、工具调用准确率、端到端延迟、单任务成本、失败率、轨迹检查、LLM-as-Judge 的偏见怎么处理？
系统设计题：从 0 到 1 做一个门店数字化智能系统，或一个视频爬取 Agent，架构怎么分层、模块怎么拆、数据怎么流转？
Self-Attention 怎么算？为什么比 RNN 更适合并行训练？代价是什么？
位置编码有什么作用？RoPE 相比绝对位置编码有什么特点？长度外推为什么不是改个参数就行？
MHA、MQA、GQA 有什么区别？怎么影响 KV Cache？KV Cache 大小怎么估算？
推理加速有哪些手段？KV Cache、量化（GPTQ、AWQ）、vLLM 连续批处理、模型并行各解决什么？
RAG、微调、Prompt 三者怎么选？LoRA / QLoRA、RLHF / DPO 各是什么？
AI 全栈链路：前端流式输出（SSE）、后端异步任务、队列、会话与任务持久化、鉴权、多租户隔离怎么串起来？
手撕题：实现混合检索的 RRF 融合；实现带超时、重试、最大步数的工具调用循环；估算 70B 模型在 FP16 与 INT8 下的显存（权重与 KV Cache 分开算）。
项目深挖（STAR）：你做的系统是做什么的？整体架构怎样？你个人做了什么？技术取舍是什么？失败过什么？指标口径是什么？如果重做会改什么？
答系统设计题时，按这 6 步走：先约束，再链路，再取舍，再异常，再指标，最后落到个人经历。
先明确约束：用户量、数据规模、延迟、成本、安全、是否多租户。
给出主链路：5-8 个节点讲清请求如何流动。
展开关键取舍：为什么选这个方案，替代方案何时更好。
说明异常路径：超时、重试、幂等、降级、人工兜底。
给出评估指标：质量、延迟、成本、安全分别怎么量。
结合个人经历：只用本人能解释、能复盘的真实数据。