第一篇：AI 核心原理与应用深度

#面试官最爱问的 AI 问题是......#

1. 前端爱问的 LLM 上下文管理

• FC 与 MCP 的核心区别
*   FC (Function Call)：本质是模型调用工具。模型根据用户需求，主动决定何时调用、调用哪个工具，并接收工具返回的结果进行后续回答。
*   MCP (Model Context Protocol)：本质是工具连接模型。它是一套更底层的协议规范，用于统一不同工具的接入标准，让模型能够标准化地访问和操作外部工具生态。
*   一句话总结：FC 是模型的能力，MCP 是实现该能力的协议标准。

• 上下文过长解决方案

1. 截断策略 (Truncation)：保留最新关键信息，舍弃早期次要信息。

2. 摘要压缩 (Summarization)：用摘要算法对历史对话/长文档进行浓缩，保留核心语义。

3. 向量检索 (RAG)：将内容向量化，仅检索与当前问题最相关的 Top-K 片段注入上下文。

4. 滑动窗口 (Sliding Window)：模型内部维护固定大小的窗口，随着新 token 加入，最旧的 token 被丢弃。