LlamaIndex 大厂面试 25 道灵魂痛点题全解析，涵盖核心架构与数据流、高级 RAG 优化（混合检索/重排序/查询改写）、Agent 编排与工具调用、生产环境避坑指南四大模块，助你高效突击大厂 AI 工程师面试。

全面详解 LlamaIndex 核心包中 15 种分块策略，涵盖基础文本分块（Token/Sentence/Code）、语义分块（SemanticSplitter/SemanticDoubleMerging）、文件格式感知（HTML/Markdown/JSON）、关系层级分块（SentenceWindow/Hierarchical/MarkdownElement），附选择指南与代码示例。

LlamaIndex 索引类型全景梳理，涵盖基础索引（VectorStore/Summary/Tree/KeywordTable）与高级索引（KnowledgeGraph/PropertyGraph/DocumentSummary/MultiModal），详解每种索引的核心原理、适用场景与选型建议。

LlamaIndex NodeParser 完全指南，详解文档解析与分块策略，覆盖 SentenceSplitter、SemanticSplitter、HierarchicalNodeParser、JSONNodeParser 等核心分块器，以及分块大小、重叠窗口与语义完整性的最佳实践。

原力健康 AI Agent 开发岗位面试全记录，涵盖 RAG 检索流程、知识库构建、Chunk 切片优化、多路召回、LangGraph 编排、Redis 分布式锁与缓存、设计模式、排序算法等 23 道面试题详细解答。

LLM 应用开发面试 50 道核心模拟题及详细答案，覆盖 RAG 检索与评估、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型部署与推理优化、LLMOps 工程化等七大专题，助你全面备战大模型应用岗面试。

大模型应用开发工程师模拟面试完整记录，包含自我介绍、RAG 系统搭建、Embedding 选型、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型微调部署等核心面试题的候选人回答与参考答案对比分析。

大模型岗位面试八股文全面深度版，涵盖模型量化（PTQ/QAT/GPTQ/AWQ）、微调技术（LoRA/QLoRA/全参微调）、部署推理（vLLM/TensorRT-LLM/TGI）、分布式训练（DeepSpeed/FSDP/Megatron）、Transformer 基础原理五大核心板块，120+ 道高频面试题详解。

10 年大厂后端老兵的 AI 转岗经验分享，帮你建立 AI 学习认知框架。从 AI 工程师与算法工程师的区别出发，绘制 AI 技术全景架构图，逐层解读模型层、编排层、应用层、基础设施层，给出可执行的学习路线和项目实战建议。

全面深入解析 Transformer 架构，从诞生历史背景到整体架构概览，详解编码器与解码器核心组件、多头自注意力机制、位置编码、前馈网络、残差连接与层归一化，并延伸至 GPT/BERT 等现代大模型的架构演进。