AG前言这是我的agent系列文章的第7篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记（后端与agent2手抓学习专栏随着 AI Agent 应用的快速发展，智能体需要处理愈发复杂的任务和更长的对话历史，而 LLM 的上下文窗口限制、持续增长的 token 成本，以及如何让 AI 有效 “记住” 用户偏好和历史交互，成为构建实用 AI Agent 系统的核心挑战。记忆系统（Memory System） 正是解决这些问题的关键技术...

整理的时候发现，为啥这么多redis？？？😂😂😂我还是换回我的rpc吧(起码自己手敲了)有啥需要改进的，求大佬指点

一、基础概念类说说你对 Agent 的理解，和传统 LLM 有什么区别？常见的 Agent 架构有哪些？ReAct、Reflexion、Plan-and-Solve 你用过哪些？Tool Calling 原理是什么？怎么保证工具调用稳定？RAG 和 Agent 怎么结合？各自适用什么场景？二、技术实现类你做过的 Agent 项目流程是怎样的？从 0 到 1 怎么搭建？如何做 Prompt 工程优化 Agent 的思考与执行？多轮对话中怎么维护状态、记忆和上下文？遇到模型拒绝执行、幻觉、工具调用失败怎么解决？有没有做过多 Agent 协作？任务如何拆分、调度？向量数据库怎么选？chunk 大小、...