一、常用的vibecoding工具

（1）AI原生IDE

Cursor

Windsurf

Trae

（2）CLI（不占用界面，只在终端打字）

Claude code

Aider

Cline

（3）即时生成（一句话生成可运行项目，快速出Demo）

Devin

秒哒

码上飞

二、人工智能、机器学习、深度学习三者关系？

人工智能：目标是机器有类似人类的智能

机器学习：机器学习是人工智能的核心实现方式，它通过数据训练模型，让机器自动学习规律，而不是依赖人工编写规则。常见方法有：线性回归/逻辑回归、决策树、随机森林、支持向量机

深度学习：是机器学习的一个重要分支，是一种基于多层神经网络，让机器自动从海量数据中学习特征与规律、从而实现感知、理解与生成的高级机器学习方法

三者关系：深度学习是机器学习的重要分支，机器学习是人工智能的核心实现方式

三：什么是LLM

大语言模型，是一种基于海量文本数据训练，能理解和生成人类语言的人工智能模型

四：什么是提示词（prompt）？提示词的基本结构包括哪些部分？什么是提示词工程（prompt Engineering）？

（1）提示词是用户或者系统提供给大语言模型的指令或者生成文本呢，用于引导模型生成特定输出.。

（2）提示词的基本结构

系统提示词如同“操作系统”，用户提示词如同“操作指令”

提示词工程（Prompt Engineering），通俗来说，就是研究如何用最精准、最有效的语言“指挥”AI大模型（如DeepSeek、ChatGPT），从而稳定地获得高质量回答的一门学问和技术。

通常在设计提示词时，我们可以遵循“CO-STAR”结构化框架

五：有哪些设计和优化提示词的技巧？

基础提示技巧：

角色提示：通过设定身份来约束模型的语气，专业深度和思维方式

结构化指令引导：通过特定分隔符，列表，以及Markdown格式等来清晰的界定指令，提供1-3个正确示例，让模型快速的学习格式与规则

少样本提示：提供1-3个正确示例，让模型快速学习格式与规则

进阶推理技巧：

链式思考提示让模型分布推理，先思考再输出答案，大幅提升复杂问题准确率

自我一致性：传统链式思考提示只走一条推理路径，自我一致则探索多条路径，最终聚合为一致答案，他不在依靠一次思考定生死，而是通过多次尝试+投票机制来提高准确率

优化与迭代策略：由浅入深不要指望一次写出完美的提示词，先从简单的指令开始，观察输出，再根据不足逐步添加约束条件和背景

五：什么是Token？Token在大语言模型中作用是什么？

Token概念：Token词元是大语言模型处理文本时的最小语义单位，将文本拆解为模型可理解的离散单元（不是字，也不是单词）

        Token通过大模型的分词器将文本拆分而来，不同模型的分词器不同，同一个词在不同模型中可能被拆分为不同的token

Token的分类：Prompt Token/Input Token（输入token）发送给模型的内容、问题、历史对话、上传的文档、系统提示词等

Completion Token/Output Token（输出token）模型生成的回答

Token在大语言中的作用：

        1.计费单位

        2.上下文长度限制

        3.决定模型理解能力：Token拆分的越合理，模型越能理解语义，同时token数量直接影响推理速度，显存占用成本

六：什么是会话记忆？有什么作用？

在对话系统中，会话记忆指的是模型对历史对话内容的存储和利用机制，属于上下文理解的核心能力之一

本质就是对话的整体语境与状态，主要包括：

        1.主题与话题走向

        2.指代关系

        3.用户的意图与角色设定

        4.对话历史中的关键信息

会话记忆的作用：

        1.上下文连贯

        2.减少重复输入

        3.个性化体验

        4.多轮任务完成

七：会话记忆和上下文窗口是什么关系？

会话记忆上一题

上下文窗口：大语言模型一次最多能处理的输入Token数量

两者的关系：上下文窗口=背包容量；当前输入+会话记忆+系统提示词=你要装进去的东西

八：什么是多模态？常见的模态有哪些？典型的应用场景有哪些？

多模态：是指融合文本、图像、音频、视频等多种类型信息，让模型能理解、生成不同模态数据的技术。

常见模态：文本、图像、音频、视频

典型应用场景：智能问答；图生文、文生图；语音助手；视频理解

九：什么是Rag（检索增强生成）？它能解决大模型的什么问题？

RAG是一种结合外部知识库检索与大模型生成的计数。核心是让大模型在回答前先“查资料”（外部知识库），再基于检索到的权威信息生成答案，解决模型知识的过时，幻觉，专业知识不足三大核心问题。（从背书机器变成会查资料的专家）

Rag解决的问题：

知识过时问题：大模型训练数据是历史的，rag可以接入：最新文档、实时数据、内部知识库、实现动态知识

幻觉问题：模型容易编答案，Rag基于真实文档回答提供依据大幅降低幻觉

私有知识问题：模型默认不知道：公司内部数据、私有文档、业务规则。Rag可以接入：企业知识库，本地文件，实现企业专属AI

上下文窗口限制：模型不能一次读太多内容。Rag检索相关片段，而不是全部数据节省Token

可解释性问题：传统模型回答“黑盒”，Rag可以返回“引用来源”支持溯源

十：Rag的核心工作流程

离线准备阶段：

第一步：数据采集，数据来源包括：文档，数据库，API，网页

第二步：文档切分（chunking），把长文档拆成小块以提高检索精度，适配上下文窗口

第三步：向量化（embedding），将每个chunk转化为向量

第四步：将向量存储到向量数据库（除向量外一般还存储：原文、metadata），常见的向量数据库有：Milvus，Pinecone

在线查询阶段：

第一步：数据查询检索，用户输入问题将问题转化为向量，然后在向量数据库中进行相似度搜索，寻找最相似的文档块（常见算法：余弦相似度，向量距离）

第二步（可选）：重排序（re-ranking）对检索结果可以进行再次排序即使用更强模型筛选最相关内容，称为重排序，此操作为可选操作

第三步：Prompt构建（关键）&答案生成：将检索结果和用户问题组合起来，构造一个完整的Prompt，放入上下文窗口调用大模型，模型生成答案并返回

十一：什么是工具调用（Tool calling）？

大模型本身无法精确计算：在大数运算，复杂公式推导以及统计分析场景极易出现计算错误，无法保证结果完全正确。

Tool calling（工具调用）是AI应用中的一种常见技术模式，指的是大语言模型可以根据用户技术，智能地选择并调用外部工具（如函数，APi,服务）并获取执行结果，一次扩展并且增强自身能力的技术流程

Function calling（函数调用）是工具调用（Tool Calling）的早期叫法与核心形式，现在行业里一般统一称为工具调用，函数调用就是指LLM请求调用一个开发者预定义的函数，这里的函数就是你带代码中的一个方法，Tool Calling是一个更通用，更广泛的概念，不仅包含了Function Calling，还涵盖了其他类型的工具

十二：什么是Mcp？与Tool Calling的区别是什么？

Mcp（Model Context Protocal，模型上下文协议）由AI公司Anthropic推出的开源标准协议，为大语言模型于外部系统，工具，数据源提供标准化的安全双向通信接口，解决AI集成的复杂问题，常被类比为AI领域的USB-C或者通用接口

        以前的大模型想要接入各类的外部系统或者工具等，每个模型和每个工具系统之间都要单独开发一套专属对接逻辑，适配成本极高，复用性极差

        现在有了MCP，就像所有设备都统一用使用USB-C只要遵循这个标准，就能即插即用     

        其中，MCP Client是大模型系统内的“连接器”，负责按Mcp协议发起连接，调用外部服务，其实现可基于MCP官方提供的SDK，只需完成协议适配和请求封装，无需复杂开发

        MCP Sever是外部工具的“适配器”，会按照MCP协议将工具功能封装成标准的接口，供Client调用，二者配合实现模型与工具的即插即用，Mcp Server支持两种获取方式，既可以基于Mcp官方规范自行开发，适配自身个性化需求，也可以直接使用现成的服务。为了方便开发者快速找到适配的现成Mcp Sever，无需自行从零开发，目前有多个主流渠道可获得各类的MCP Sever，具体如下：

与Tool calling的区别：Tool Calling是LLM调用外部工具的能力，MCP是LLM与工具交互的标准化协议

十三：MCP的核心工作流程是什么？

初始化连接（握手连接）：MCP 主机启动，创建Mcp Client并按照配置与MCP建立通信连接（一个主机可以同时连接多个MCP Sever，每个Sever独立承担不同的工具与能力）

能力发现（工具/资源列表）：Client想Sever发起能力查询，Sever返回结构化清单：名称，描述，参数，权限，Client将工具信息同步给主机，让LLM明确自身可以调用的外部能力边界

执行决策&调用工具（LLM驱动）：用户输入问题之后，Client会自动整合可用工具列表，用户原始问题与对话上下文，并且以标准化格式封装之后发送给LLM，LLM依据上下文及工具进行智能决策

        判断是否需要外部工具，选择具体工具并匹配合规入参

        若无需调用工具，则直接生成自然语言回复，跳过后续执行环节。

        若LLM确定调用工具，Client会将结构化的调用请求精准转发至对应MCP Server；由Sever承担实际执行职责，完成API调用，数据库读写，脚本运行或者文件系统操作等任务，执行完毕后，以统一结构化格式将结果回传给Client。

结果回传&输出：Client把工具执行结果回传给LLM，模型融合工具执行结果，用户问题与对话上下文，生成符合需求的自然语言回答，再由Client通过主机应用展示给用户。

十四：什么是工作流与Agent区别是什么？

Agent：能够感知环境输入、自助决策、规划行动路径，并可调用工具或执行操作以达成目标的自主性软件实体

工作流：是按照预先定义好的步骤和规则，依次执行任务的一种流程化的机制。特色：流程是固定的，

区别：工作流是“人预先定义步骤的自动化流程”，而Agent是“大模型（LLM）根据目标动态控制流程走向”

十五：什么是多Agent，什么场景下需要使用多Agent协作而不是单个Agent解决？

多Agent模式：将一个复杂任务拆分给多个具备不同职责的Agent，由它们协作完成整体目标的系统。可以理解为：“从一个人干所有事”，变成“一群分工明确的人协作”

什么场景下需要使用多Agent协作：当任务复杂到一个Agent无法稳定、清晰地完成时，就需要多Agent。尽管可采用单个Agent整合并执行复杂任务、但这种超级Agent架构存在明显的弊端。以下将对其主要问题展开说明

        上下文限制：一个Agent需要将所有任务的内容、工具描述、历史记录都塞入有限的上下文窗口，这会导致信息过载、成本剧增、推理速度下降

        角色冲突与指令污染：同一个Agent同时扮演多个角色时，系统提示词会发生冲突，导致行为混乱或平庸化

        单点故障与脆弱性：单个Agent一旦在某个步骤推理出错或者遇到未知情况，整个任务链可能崩溃

十六：请介绍下Openclaw的核心架构

Channel：作为Openclaw最外层的接入适配组件，为各类消息平台提供独立插件，核心是完成平台私有消息与系统内部统一消息结构的双向转换，该层通过插件化机制实现多渠道解耦，使系统在新增接入渠道无需改核心逻辑，只需拓展对应插件，从而提升系统的拓展性和可维护性

Gateway：作为整个系统的中枢，统一承担所有的外部请求，集中完成鉴权，过滤非法请求之后将合法消息向下游分发

Agent：Openclaw的大脑，负责理解用户义务，制定分布计划，判断调用那些工具或者技能

能力层：助理的工具箱，包含操作浏览器，处理文件，调用API等，可以通过skil来拓展技能

十七：请介绍下Openclaw的记忆系统

一、基础核心配置文件AGENT.mdOpenclaw 工作区顶层核心框架文件，定义 AI 全局工作规范、完整记忆管理规则、安全红线、统一行为准则。管控记忆读写、检索、遗忘、隐私过滤所有操作，是记忆系统运行的最高约束依据，保证 AI 跨会话行为稳定合规。

IDENTITY.md底层身份锚定文件，定义 AI 固定身份、底层自我认知、基础价值观。所有长期记忆会绑定本身份标签，实现多工作区记忆隔离，决定 AI 底层不变的核心设定，优先级高于 SOUL.md。SOUL.md表层交互人格文件，定义 AI 对外沟通语气、说话风格、情绪表达、单次会话角色定位。调取记忆生成回答时，会依照本文件修饰输出话术，仅作用于表层对话表现。USER.md用户专属档案记忆文件，永久存储用户固定信息、称呼习惯、擅长领域、长期需求、对话禁忌。每次会话自动加载，检索历史记忆时优先匹配用户专属信息。二、记忆系统专属文件MEMORY.md长效精炼核心记忆库，存放跨会话永久关键信息：用户长期偏好、重要历史结论、固定项目资料、长期指令规则。不存储原始聊天流水，仅留存高价值沉淀内容，会话启动自动加载。memory / 日期日志文件夹（YYYY-MM-DD.md）短期原始会话记忆载体，按日期自动生成独立文件，记录当日完整对话、工具执行记录、临时碎片化需求。仅留存近短期原始流水，由定时任务提炼关键内容存入 MEMORY.md，过期日志可归档清理。DREAMS.md记忆复盘推演辅助文件，自动记录记忆检索漏洞、历史方案复盘、待补充记忆条目，用于迭代优化记忆调取逻辑。三、工具 & 运行管控文件TOOLS.md工具调用规范文件，定义记忆增删改查工具、文件读写权限、记忆检索语法规则。所有记忆操作必须遵守本文件权限约束。HEARTBEAT.md记忆自动化定时任务文件，执行周期记忆维护：每日提炼日志存入长期记忆、清理过期短期碎片、淘汰失效老旧记忆、刷新记忆语义索引。BOOTSTRAP.md工作区初始化一次性文件，全新环境启动时自动生成全套 MD 文件与记忆目录，初始化完成后失效，不参与日常会话运行。BOOT.md重启钩子配置文件，系统重启时自动清空瞬时会话缓存、同步本地记忆文件索引，避免缓存与本地记忆数据不一致。四、专项技能扩展文件（skills / 各技能目录下 SKILL.md）分领域独立记忆配置，存储对应专业领域历史任务、行业知识、专项操作记录。执行对应技能时仅加载该模块独立记忆，减少全局 Token 占用，隔离领域无关记忆。五、文件读取优先级（记忆加载顺序） AGENT.md（最高强制规则） IDENTITY.md（身份记忆隔离锚点） MEMORY.md（长效核心记忆） USER.md（用户画像记忆） memory 目录每日日志（短期碎片记忆） SOUL.md（输出风格修饰） TOOLS.md/ HEARTBEAT.md/ SKILL.md（工具、定时、领域规则） BOOTSTRAP.md/ BOOT.md/ DREAMS.md（一次性、重启、复盘辅助文件）