小哲讲大模型面试通过秘籍|1.01什么是 AI Agent？它与传统 AI 有什么区别？

如果你正在准备大模型方向的面试，或者从后端、算法、数据岗往 AI 应用方向转，大概率会遇到一类问题：面试官不问你调过哪个模型，而是问你怎么理解 Agent、它和以前的 AI 有什么不一样。这门课处理的就是这个场景——把大模型面试里反复出现的那批概念问题讲清楚，让你在被追问时能自己组织语言，而不是背一段定义。

它解决的是"说不清"的问题

很多人用过大模型 API，也搭过简单的对话应用，但一被问到"Agent 和传统 AI 的区别在哪"就卡住。这门课的主题集中在大模型应用层的概念辨析：Agent 与传统 AI 的边界、Agentic AI 是什么、LLM 与 Agent 的关系、为什么从单纯的 LLM 应用转向 Agent、Agent 的核心组件、它和 Chatbot 的差别、自主 Agent 的含义。这些不是孤立的术语，而是面试官用来判断你是否真正理解系统结构的一组问题。课程按问题逐个拆，适合当成面试前的概念梳理材料，而不是从零学 AI 的入门课。

适合什么基础，先看哪几块

它更适合已经接触过大模型调用、写过一点应用代码、或者做过算法相关工作的人。如果你完全没碰过 LLM，直接听会有跳跃感，建议先补一段提示词和模型调用的实操经验再回来。顺序上，建议从"什么是 AI Agent、它与传统 AI 的区别"入手，这一节是后面所有辨析的地基；接着看 LLM 与 Agent 的区别、Agent 的核心组件，这两块决定了你回答问题时有没有结构；最后再看 Agentic AI、自主 Agent、与 Chatbot 的区别这些容易混淆的概念。把辨析类内容放在前面，比按顺序硬啃更省时间。

学完能独立做什么，资料怎么配合

学完之后，你应该能独立完成两件事：一是在面试中用自己的话讲清 Agent 的组成和它与传统 AI、Chatbot、纯 LLM 应用的差异，并解释为什么业务会从 LLM 应用走向 Agent；二是在实际设计时，判断一个需求该用单轮调用、工作流还是带自主决策的 Agent，而不是一律套 Agent。资料以讲解视频为主，配合练习更有效的方式是：每看完一个概念，自己写一段两三句话的解释，再找一个你熟悉的产品场景，试着说明它属于哪一类。这样过一遍，比反复看视频更能把概念变成能说出口的东西。面试前再回头只看辨析类的那几节，用来快速唤醒记忆即可。