---

📗 绿皮书发布

《Agent 面试 500 问》 绿皮书 PDF v1.2.0 正式发布！面试前速查速记，保留“新手答 vs 高手答”对比，快速看清答案层次。

• 覆盖 17 大考察维度、757 道 Agent / AI 高频面试题
• 蚂蚁、阿里、字节、腾讯、携程、百度等大厂真题
• 同一主题内按真实面经出现频次排序，适合面试当天翻阅

下载：publish-pdf/output/zero2Agent-绿皮书-Agent面试500问.pdf

授权协议：CC BY-NC-SA 4.0 · 转载请注明出处 作者：Onefly

---

这是什么

zero2Agent 是一个面向程序员的 Agent 工程教程仓库，目标是帮助已经会写代码、会用 AI 工具，但还没系统做过 Agent 工程的开发者，真正从零搭出自己的 Agent 系统。同时也适合应届生或转行开发者，作为 AI Agent 方向面试备战的系统性参考。

内容不停留在 Demo、Prompt、套壳工作流，而是从核心机制出发，覆盖 Agent 的工程设计原理、框架拆解、代码实现，最终落到完整的实战项目与大厂面试题深度拆解。

在线阅读（GitHub Pages）：https://onefly.top/zero2Agent

---

模块概览

模块	文章数	状态	内容
Agent Basic	17 篇	✅ 完成	Agent 核心概念、模型 API、Tool Calling、Context、Memory、Loop 与 Infra
LangGraph	7 篇	✅ 完成	StateGraph 三件套、条件分支、并行 Fan-out/Fan-in、Prompt Chaining、LLM 集成
SDK 框架	4 篇	✅ 完成	OpenAI Agents SDK · Google genai SDK · Claude Anthropic SDK · 三大 SDK 横向对比
框架调研	13 篇	✅ 完成	AgentScope · Mastra · Semantic Kernel · Eino · DeerFlow · LangChain · Google ADK · AutoGen · Vercel AI SDK 等
OpenClaw Agent	9 篇	✅ 完成	60 行核心框架，从 Node 推导到 Agent，pi-mono 架构解析，部署实战
Claude Code	12 篇	✅ 完成	12 节课手写 Coding Agent：Loop → Tools → Subagent → Teams → Worktree 隔离
DeepSeek Harness	13 篇	✅ 完成	从设计理念拆解可拼装的 Agent Runtime：插件、接缝、事实源、控制平面、安全与自进化边界
Agent 训练实战	7 篇	✅ 完成	SFT、RL、GRPO/PPO、数据配比、仿真沙箱、评估回流与部署
Agent 应用实战	5 篇	🚧 进行中	Vibe Coding、AI Coding 面试、日常开发工作流、Auto Harness 工程与 Eval-Driven 实践
Pi Coding Agent	8 篇	✅ 完成	可验证 Agent Loop、Provider、Skill/Extension/Package、MCP、安全与树形 Session Runtime
Codex CLI	7 篇	✅ 完成	OpenAI 终端 Agent：Rust 双层架构、TOML 配置、平台原生沙箱、MCP 集成、SDK 与横向对比
面试通关	17 篇	✅ 完成	大厂 AI Agent 岗位高频面试题拆解，17 大考察维度，新手答 vs 高手答对比
Final Project	12 篇	✅ 完成	OfferPilot 面试诊断 Agent 实战：手写 Harness 10 层架构，从 PRD 到部署

当前进度：131 篇文章，12 个完整模块，1 个模块持续更新

---

模块详情

Agent Basic

建立正确的 Agent 工程认知，覆盖：

• 什么是 Agent，与 Workflow 的本质区别
• 大模型 API 的输入输出、消息轨迹与 Tool Calling 完整机制
• Memory 设计模式（短期 / 长期 / 外部存储）
• Context、KV/Prompt Cache 与上下文压缩
• Planning、Reflection、RAG 的作用边界
• 单 Agent vs 多 Agent 的常见架构模式
• 为什么 Demo 能跑、落地就不稳定，以及 Loop/Infra 如何托底

LangGraph

用图结构描述 Agent 执行逻辑，从 Demo 到可维护系统：

文章	内容
State、Node、Graph 三件套	TypedDict 状态设计，节点函数，编译运行
顺序图	add_edge 模式，BMI 计算器实战
条件分支	add_conditional_edges，情感分析路由
并行执行	Fan-out / Fan-in，多节点并发
Prompt Chaining	分步生成，节点间传递中间结果
LLM 集成	OpenAI / HuggingFace 在节点里的完整写法

SDK 框架

三大原厂 SDK 的核心用法与选型指南：

• OpenAI Agents SDK：@function_tool 装饰器，Runner 自动循环，handoffs 多 Agent
• Google genai SDK：两种后端（AI Studio / Vertex AI），Function Calling，多模态
• Claude Anthropic SDK：Messages API，Tool Use 手动循环，Extended Thinking
• 横向对比：API 设计差异、Tool Calling 实现、定价参考、选型建议

框架调研

13 个主流 Agent 框架横向调研：

框架	来源	核心特色
AgentScope	阿里巴巴	分布式多 Agent，Service 工具体系
Mastra	开源	TypeScript 原生，Workflow + 记忆 + RAG
Semantic Kernel	微软	Plugin 体系，Azure 企业级集成
Eino	字节跳动	Go 语言，流式原生，高并发
GitAgent	—	代码仓库 Agent 模式，PR 自动审查
Harness 工程	—	200 行从零实现，看透框架本质
AgentUniverse	华为	PEER 协作模式，企业可观测性
DeerFlow	字节跳动	Deep Research，基于 LangGraph
LangChain	开源	LCEL、RAG，以及何时不该用它
Google ADK	Google	官方 Agent 套件，Sequential/Parallel/Router
Skills + Claude Code	Anthropic	模块化技能系统，按需加载
Vercel AI SDK	Vercel	useChat/streamText，Next.js 全栈
AutoGen	微软	多 Agent 对话，代码执行，HITL

OpenClaw Agent

从 60 行核心代码出发，一步步推导出完整的 Agent 框架：

workflow = node + node        # 有向路径，无循环
chatbot  = workflow + loop    # 外层循环，多轮对话
agent    = chatbot + tools    # 图内回路，模型驱动工具

覆盖 RAG、Tool/MCP/Skill 三种工具形式、Memory 压缩、多 Agent 并行团队、pi-mono 架构解析，以及完整的部署和面试准备。

参考仓库：lasywolf/Learn-OpenClaw · pi-mcp/pi-mono

Claude Code

12 节课，从 30 行 Agent 循环逐步构建完整 Coding Agent 系统：

章节	机制
s01–s06	Agent Loop · Tool Dispatch · TodoWrite · Subagent · Skill Loading · Context Compact
s07–s12	Task DAG · Background Tasks · Agent Teams · Protocols · Autonomous Agents · Worktree Isolation

参考仓库：shareAI-lab/learn-claude-code

DeepSeek Harness

这个模块以设计理念为主，把 DeepSeek Harness 同时看成一个可以直接运行的 Coding Agent，以及一套可以重新拼装的 Agent 开发框架。它不是“固定内核加扩展槽”，而是尽量不保留不可替换的特权内核。官方 Web 和 headless 是预置 Profile；模型、工具、文件系统、Shell、沙箱、会话存储、Subagent、UI 甚至 Loop 都可以通过插件和接缝替换。文章先讲 Cordis 的依赖、事件与可逆副作用，再拆解插件树、LLM 接缝、事实源、控制平面、上下文成本和安全策略，最后讨论动态生成插件的实验性自进化边界。

官方 API 仍固定参考 dsh-v0.1.0-rc.8，但 API 只作为设计判断的证据；社区教程、电子书、白皮书和 NanoCordis 用于补充原理与教学实现。社区资料基于较早的 rc.6 时，README 不把它当作当前 API 规范，具体来源和许可证见 THIRD_PARTY_NOTICES.md。

Pi Coding Agent

以 2026-08-24 核验的官方仓库 commit a470b121 为事实基线，从一次完整工具往返进入 Pi：区分运行事件、持久 transcript 与模型 Context，理解 Provider 适配、Skill 的渐进披露、Extension 的运行时能力、Package 的分发职责，以及 MCP 只在协议互操作场景中的价值。每篇都加入可复现步骤、失败实验和验收证据，最后通过 Session tree、resume/fork/clone、compaction、RPC 和 SDK，把 Pi 从终端工具还原成可恢复、可嵌入的 Agent Runtime。

学习入口优先使用 Pi 官网、官方文档 和 官方源码；《动手学 Pi》用于补充 checkpoint、聚焦测试和故障实验。中文文档只作辅助阅读，已归档的 awesome 列表只作历史发现。

面试通关

大厂 AI Agent 岗位高频面试题深度拆解，覆盖蚂蚁、阿里、字节、腾讯、携程等真实面试场景。每道题对比“新手答”和“高手答”，17 大考察维度：

维度	核心考点
架构选型	ReAct vs Plan-and-Execute、ToT 线上化、四种设计范式
工具管理	参数校验、百级工具路由、多工具调度
容错与鲁棒性	超时处理、误操作防范、幻觉治理
记忆与上下文	长对话不丢信息、上下文污染防治
多智能体协作	角色分工、通信机制、冲突仲裁
Prompt 工程	模板分层构建、Skills 可复用能力单元
RAG 与检索	chunk 设计、查询改写、多路召回精排
训练与数据	数据清洗、LoRA vs 全参微调、DPO/PPO/GRPO
AI 代码测试	覆盖率插桩、代码过滤策略
业务 AI 工程	业务需求拆解、AI 方案选型
简历项目拷打	面试官追着你的 Agent 项目问到底
各公司偏好	按公司统计高频考点与面试风格
Agent 概念考察	Harness Engineering、Context Engineering、MCP/Skills 前沿范式
Agent Infra	Runtime、状态恢复、Sandbox、Kubernetes 与可靠执行
AI Infra	分布式训练、LLM Serving、GPU 调度与 AIOps

Final Project：OfferPilot

上传面试录音或文字稿，自动诊断回答质量，输出结构化改进建议。纯手写 Harness 10 层架构，不依赖 LangChain / LangGraph。

编号	文档	内容
01	PRD	产品定位、用户场景、10 层架构映射、技术选型
02	系统架构	模块划分、数据流、接口定义
03	Query Engine	三 Provider + stream + retry + cache + 路由
04	Tools & Skills	原子工具 + 任务级 Skill 编排
05	知识库	385 题导入 + FTS5/embedding 双通道检索
06	Context & Memory	5 层上下文管理 + 跨会话记忆
07	Permission & Session	权限分级 + 检查点恢复 + 审计日志
08	Hook & Command	可插拔治理管线 + 14 个确定性命令
09	Sub-agent	Agent-as-Tool + 并发池 + 上下文隔离
10	STT 语音	Whisper/FunASR + 说话人分离 + 语音诊断
11	部署演示	CLI 入口 + Demo + 三种部署方案
12	Web UI	Next.js + SSE 流式 + 三大核心交互流程

参考仓库：ranxi2001/OfferPilot

---

适合谁

• 学过深度学习，但没做过 LLM 应用开发
• 会 Python，想补齐 Agent 工程能力
• 用过 Claude Code / Cursor 等工具，想理解背后的实现
• 准备 Agent 方向技术面试或实习
• 想把 Agent 真正部署上线，而不只是跑 Demo

不适合谁

• 大模型预训练、对齐、推理优化等底层算法研究
• 纯学术导向的 Agent 论文综述
• 只想快速复制“几分钟搭建 Agent”的短教程

---

仓库结构

zero2Agent/
├── _layouts/               # Jekyll 页面模板
├── _data/
│   └── nav.yml             # 导航配置
├── assets/
│   ├── css/docs.css        # 三栏布局样式
│   └── js/app.js           # 侧边栏 + TOC + Mermaid
├── examples/
│   └── agent-api-lab/      # 无密钥 API 协议、上下文消融和故障注入实验
├── learn-agent-basic/      # Agent 基础概念（17 篇）
├── learn-langgraph/        # LangGraph（7 篇）
├── learn-sdk-frameworks/   # 三大原厂 SDK（4 篇）
├── learn-agent-survey/     # 框架调研（13 篇）
├── learn-openclaw/         # OpenClaw 框架教程（9 篇）
├── learn-claude-code/      # Claude Code 课程（12 篇）
├── learn-deepseek-harness/ # DeepSeek Harness 运行时拆解（13 篇）
├── learn-agent-training/   # Agent 训练实战（7 篇）
├── learn-agent-practice/   # Agent 应用实战（5 篇，持续更新）
├── learn-pi/               # Pi Coding Agent（8 篇）
├── learn-codex/            # OpenAI Codex CLI（7 篇）
├── learn-agent-interview/  # 大厂面试题拆解（17 篇）
└── final-project/          # OfferPilot 面试诊断 Agent 实战（12 篇）

---

本地运行

git clone https://github.com/ranxi2001/zero2Agent
cd zero2Agent

# 安装 Jekyll（需要 Ruby）
gem install bundler jekyll
bundle install

# 本地预览
bundle exec jekyll serve
# 访问 http://localhost:4000/zero2Agent

---

引用与致谢

本仓库的内容参考并引用了以下开源项目：

• bojieli/ai-agent-book — Agent Basic 中模型 API、上下文工程与消融实验的概念参考；本仓库使用独立文字、示例与实验实现，详见 THIRD_PARTY_NOTICES.md
• shareAI-lab/learn-claude-code — Claude Code 模块的课程结构和核心内容来源，12 节渐进式 Agent 构建课程
• lasywolf/Learn-OpenClaw — OpenClaw 模块的核心思路和代码框架来源
• pi-mcp/pi-mono — 生产级 Coding Agent 的参考实现
• SandeepMuhal88/LangGraph_BASIC_TO_Advance — LangGraph 模块的实战案例参考
• ranxi2001/OfferPilot — Final Project 配套代码仓库，手写 Harness 10 层面试诊断 Agent
• deepseek-ai/deepseek-harness — DeepSeek Harness 模块的官方 API、架构和子系统基线
• libukai/awesome-deepseek-harness — 教程、电子书、白皮书、交互式专题和 NanoCordis 等社区资料索引
• badlogic/pi-mono@a470b121 — Pi 模块的官方实现、文档与 API 事实基线
• hahhforest/pi-textbook — Chunhao Zhang 创作的《动手学 Pi》，为 Pi 模块提供 checkpoint、故障实验与验收式教学参考；用户提供的在线镜像用于阅读
• nicobailon/pi-mcp-adapter — Pi MCP 篇的 proxy/direct tools、生命周期、审批与输出边界参考实现

---

Contributing

欢迎 PR 和 Issue。内容补充、错误修正、新模块建议均可。

提 Issue 前请先检查是否已有相关讨论。PR 建议一个 PR 只做一件事。

---

Star History

---

License

MIT