知识自测

看完文章不等于学会。这里用六组递进难度的选择题检验你有没有真正建立知识底座：原理与机制、提示词与上下文、RAG 与知识库、Agent 与自动化、成本·延迟·选型、安全·权限·评测。干扰项全部来自真实的错误直觉——长度、语气都与正确项对齐，靠排除"明显错误项"拿不到分，选对靠的是理解机制。每题选完立即判分，附解析和原文链接——答错的题，回去把对应文章再读一遍，比多读三篇新文章更有价值。

建议节奏

每完成《新手路线》一个关卡，就回来做对应的一组测试。进入《AI 应用开发》和《Agent 工程》专题前，先确认前三组接近满分——后三组全对的人，读工程文章的速度会快一倍。

KNOWLEDGE CHECK

知识自测

六组题目从模型原理到生产安全递进。干扰项全部来自真实的错误直觉——长度、语气都与正确项对齐，靠排除"明显错误项"拿不到分，答对靠理解机制。每题解析附原文链接。

—最佳正确数

状态、token、采样、注意力——模型的物理规则。

1. 1. 多轮对话中，模型"记得"你十分钟前说过的话，其真实机制是？

2. 2. 关于 Token 与计费，下列说法正确的是？

3. 3. 模型"一本正经地编造不存在的论文引用"，其底层成因是？

4. 4. 把 temperature 设为 0，意味着？

5. 5. "上下文窗口 128K"与"知识截止 2025-04"分别限制什么？

6. 6. 自注意力机制让模型在生成每个词时？

7. 7. LLM 推理分预填充与解码两个阶段，二者的关系是？

8. 8. "参数量更大的模型一定全面更强"，这个判断的问题在于？

1. 六组测试覆盖什么

测试组	难度	对应内容	检验目标
原理与机制	进阶	《认识 AI》《底层原理》	无状态推理、KV Cache、tokenization、幻觉成因、采样机制、注意力、预填充与解码
提示词与上下文	进阶	《提示词入门》《上下文管理》	结构化输出、Few-shot 机制、长上下文代价、排错分层、简报化委托
RAG 与知识库	进阶	《RAG 工程》《检索原理》	切分策略、向量检索边界、混合检索、rerank、引用忠实度、权限过滤、分段评测
Agent 与自动化	进阶	《Agent 工程》《自动化》	循环缺陷、工具设计、多 Agent 取舍、MCP、记忆、人工确认门禁、可观测性
成本·延迟·选型	实战	开发与运维场景	首字延迟排障、上下文堆积、批量接口、缓存排序、分级路由、选型实测
安全·权限·评测	实战	安全与工程化场景	评测偏差与过拟合、提示词注入、数据外流、密钥防线、数据分级、回归基线

2. 答错之后怎么办

1. 点开解析里的原文链接，只重读与本题相关的章节即可；
2. 用自己的话把概念复述一遍——能讲清楚才算真的懂；
3. 隔天重做本组测试，直到全对。

实战组的题目都是"现象 → 根因 → 对策"的三段式，干扰项常常"对了一半"——比如把产品层机制说成模型机制、把另一个环节的活安到当前环节上。答错时重点看解析里的推理链：生产排障考的不是记结论，而是沿底层原理缩小搜索空间的能力。

下一步：回到《学习进度表》勾掉对应项，继续下一关。