跳转到主要内容

考试复习指引

考试形式：测试练习，共 34 题，满分 100 分。下面给的是基于课程内容的复习方法、知识地图和自测方案，不是平台真实题库。

复习顺序

  1. 先建立主线：读 知识地图 的“一张总图”和“必须背下来的定义”。
  2. 再按章补细节：从 学习总目录 进入四门课，重点看流程图、对比表和截图。
  3. 做自测：完成 34 题综合自测，限时 45 分钟，先不看答案。
  4. 错题归因：把错题分成“概念混淆 / 流程遗漏 / 指标记错”三类，回到对应章节。
  5. 考前冲刺：只看 考前冲刺一页纸。

高频知识地图

课程一：认知与提示词

  • 智能体定义：以目标为核心，能感知、规划、调用工具、执行并反思的自主系统。
  • 四大特征：自主性、反应性、主动目标驱动、社交能力。
  • 四模块：感知、记忆、规划与推理、行动与工具。
  • SMART：Sensing、Memory、Analysis、Reasoning、Tasking。
  • 传统 Chatbot：NLU、对话管理、NLG，规则和模板驱动。
  • 提示词五要素：角色、背景、任务、要求、输出格式。
  • CRISPE 适合复杂任务，APE 适合轻量高频任务。
  • Dify 偏企业级、私有化、RAG/工作流；Coze 偏零代码、上手快、生态组件多。
  • 应用场景：个人助理、企业服务、教育辅导、创意内容、垂直行业。

课程二：API、ReAct、RAG

  • 请求体：model、messages、temperature、max_tokens。
  • 响应体：choices[0].message.content、usage。
  • ReAct：Thought → Action → Observation，循环直到给出答案。
  • Chatflow 面向有记忆的复杂多轮对话，工作流面向单轮自动化任务。
  • RAG 离线建库：文档 → 清洗 → 切分 → Embedding → 向量库。
  • RAG 在线检索：问题 → Embedding → 相似度检索 → Top-K → Prompt → 生成。
  • 建库和检索必须使用同一个 Embedding 模型。
  • 调试顺序：召回 → Prompt → 输出 → 成本/延迟。

课程三：工作流、工具、多智能体

  • 节点、边、DAG；DAG 有向无环，保证可终止。
  • 顺序、条件、循环、并行汇聚。
  • 循环必须有业务退出条件和最大迭代次数。
  • Function Schema：名称、描述、参数、必填项、默认值。
  • 工具描述要写清核心功能、适用场景、边界、参数释义。
  • 工具失败返回统一 JSON：status、data 或 error。
  • 多智能体三支柱：角色与目标、工具与消息、共享记忆。
  • 协作模式：顺序接力、辩论协作、层级分工。
  • AutoGen：ConversableAgent、GroupChat、GroupChatManager。
  • CrewAI：Role、Goal、Backstory，Agent—Task—Crew。

课程四：评估、部署、安全

  • 指标：任务成功率、步骤完成率、TTFT、端到端延迟、CSAT、有害内容输出率、敏感信息泄露率。
  • 测试金字塔：单元 → 集成 → 端到端。
  • 部署：无状态/有状态、异步/流式、Docker/Compose/K8s、CI/CD、监控告警。
  • 提示注入：篡改/绕过系统指令；工具滥用：诱导调用工具做危险操作。
  • 防御：输入过滤、指令分层、输出审查、最小权限、API 网关、高危操作人工审批、传输/存储加密。

易错点

  • 把 TTFT 当成端到端延迟。
  • 把 RAG 当成微调。
  • 把提示注入和工具滥用混为一谈。
  • 认为 Top-K 越大越好。
  • 认为 temperature 越高越“聪明”。
  • 认为多智能体一定比单智能体好。
  • 认为工作流里循环不需要最大次数。
  • 认为工具失败可以直接抛异常。

考前 30 分钟

  1. 过一遍 考前冲刺一页纸。
  2. 看 知识地图 的“四组最容易混淆的概念”。
  3. 把 34 题综合自测 的错题再过一遍。
  4. 提醒自己：先做确定的题，遇到“最本质/第一步/最终目的”抓定义和流程顺序。

关于报名条件

平台页面目前显示 16/16 节已完成，但课程二第 4、5 节的 playDuration 只有 8 秒和 62 秒，可能是抽帧 seek 到结尾导致的完成标记。建议你重新完整观看这两节；本文档只帮助理解和复习，不替代平台认可的学习时长，也不伪造观看进度。