feat: 新增 AI 应用开发面试指南模块

  - 新增 AI 面试导航入口，重构导航栏结构
  - 新增 AI 文章侧边栏配置，按大模型基础/Agent/RAG 分类
  - 新增 AI 面试指南介绍页，突出持续更新状态
  - 优化所有 AI 文章 frontmatter，补充标题/描述/关键词
  - 更新首页 SEO 关键词，新增 AI 相关核心词
  - 调整文章目录结构，ai-ide 移入 llm-basis 目录
  - 新增 pnpm 运行脚本

Author: Snailclimb

docs/.vuepress/navbar.ts

@@ -1,8 +1,8 @@
 import { navbar } from "vuepress-theme-hope";
 
 export default navbar([
-  { text: "面试指南", icon: "java", link: "/home.md" },
-  { text: "开源项目", icon: "github", link: "/open-source-project/" },
+  { text: "后端面试", icon: "java", link: "/home.md" },
+  { text: "AI面试", icon: "machine-learning", link: "/ai/" },
   { text: "实战项目", icon: "project", link: "/zhuanlan/interview-guide.md" },
   {
     text: "知识星球",
@@ -25,6 +25,7 @@ export default navbar([
     text: "推荐阅读",
     icon: "book",
     children: [
+      { text: "开源项目", icon: "github", link: "/open-source-project/" },
       { text: "技术书籍", icon: "book", link: "/books/" },
       {
         text: "程序人生",

docs/.vuepress/sidebar/ai.ts

@@ -0,0 +1,36 @@
+import { arraySidebar } from "vuepress-theme-hope";
+import { ICONS } from "./constants.js";
+
+export const ai = arraySidebar([
+  {
+    text: "大模型基础",
+    icon: ICONS.MACHINE_LEARNING,
+    prefix: "llm-basis/",
+    children: [
+      { text: "万字拆解 LLM 运行机制", link: "llm-operation-mechanism" },
+      { text: "AI 编程开放性面试题", link: "ai-ide" },
+    ],
+  },
+  {
+    text: "AI Agent",
+    icon: ICONS.CHAT,
+    prefix: "agent/",
+    children: [
+      { text: "一文搞懂 AI Agent 核心概念", link: "agent-basis" },
+      { text: "万字详解 Agent Skills", link: "skills" },
+      { text: "万字拆解 MCP 协议", link: "mcp" },
+    ],
+  },
+  {
+    text: "RAG",
+    icon: ICONS.SEARCH,
+    prefix: "rag/",
+    children: [
+      { text: "万字详解 RAG 基础概念", link: "rag-basis" },
+      {
+        text: "万字详解 RAG 向量索引算法和向量数据库",
+        link: "rag-vector-store",
+      },
+    ],
+  },
+]);

docs/.vuepress/sidebar/index.ts

@@ -1,6 +1,7 @@
 import { sidebar } from "vuepress-theme-hope";
 
 import { aboutTheAuthor } from "./about-the-author.js";
+import { ai } from "./ai.js";
 import { books } from "./books.js";
 import { highQualityTechnicalArticles } from "./high-quality-technical-articles.js";
 import { openSourceProject } from "./open-source-project.js";
@@ -13,6 +14,7 @@ import {
 
 export default sidebar({
   // 应该把更精确的路径放置在前边
+  "/ai/": ai,
   "/open-source-project/": openSourceProject,
   "/books/": books,
   "/about-the-author/": aboutTheAuthor,

docs/README.md

@@ -2,14 +2,14 @@
 home: true
 icon: home
 title: JavaGuide（Java 面试 & 后端通用面试指南）
-description: JavaGuide 是一份 Java 面试和后端通用面试指南，同时覆盖数据库/MySQL、Redis、分布式、高并发、高可用、系统设计等通用后端知识，适用于校招/社招复习。
+description: JavaGuide 是一份 Java 面试和后端通用面试指南，同时覆盖数据库/MySQL、Redis、分布式、高并发、高可用、系统设计、AI 应用开发等知识，适用于校招/社招复习。
 heroImage: /logo.svg
 heroText: JavaGuide
-tagline: Java 面试 & 后端通用面试指南，覆盖计算机基础、数据库、分布式、高并发与系统设计
+tagline: Java 面试 & 后端通用面试指南，覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
 head:
   - - meta
     - name: keywords
-      content: JavaGuide,Java面试,Java面试指南,Java八股文,后端面试,后端开发,数据库面试,MySQL面试,Redis面试,分布式,高并发,高性能,高可用,系统设计,消息队列,缓存,计算机网络,Linux
+      content: JavaGuide,Java面试,Java面试指南,Java八股文,后端面试,后端开发,数据库面试,MySQL面试,Redis面试,分布式,高并发,高性能,高可用,系统设计,消息队列,缓存,计算机网络,Linux,AI面试,AI应用开发,Agent,RAG,MCP,LLM,AI编程
   - - meta
     - property: og:type
       content: website
@@ -32,7 +32,8 @@ footer: |-
 
 ## 🔥必看
 
-- [Java 面试指南](./home.md)（⭐网站核心）：Java 学习&面试指南（Go、Python 后端面试通用,计算机基础面试总结）。
+- [后端面试指南](./home.md)（⭐网站核心）：Java 学习&面试指南（Go、Python 后端面试通用,计算机基础面试总结）。
+- [AI 应用开发面试指南](./ai/)（⭐新增）：深入浅出掌握 AI 应用开发核心知识，涵盖大模型基础、Agent、RAG、MCP 协议等高频面试考点。
 - [Java 优质开源项目](./open-source-project/)：收集整理了 Gitee/Github 上非常棒的 Java 开源项目集合，按实战项目、系统设计、工具类库等维度做了精细分类，持续更新维护！
 - [优质技术书籍推荐](./books/)：优质技术书籍推荐合集，涵盖了从计算机基础、数据库、搜索引擎到分布式系统、高可用架构的全方位内容，持续更新维护！
 - **面试资料补充**：
@@ -47,6 +48,7 @@ footer: |-
 - **计算机基础**：[计算机网络常见面试题总结](https://javaguide.cn/cs-basics/network/other-network-questions.html)、[操作系统常见面试题总结](https://javaguide.cn/cs-basics/operating-system/operating-system-basic-questions-01.html)
 - **数据库系列**：[MySQL 常见面试题总结](https://javaguide.cn/database/mysql/mysql-questions-01.html)、[Redis 常见面试题总结](https://javaguide.cn/database/redis/redis-questions-01.html)
 - **分布式系列**：[分布式高频面试题总结](https://interview.javaguide.cn/distributed-system/distributed-system.html)
+- **AI 应用开发**：[万字拆解 LLM 运行机制](https://javaguide.cn/ai/llm-basis/llm-operation-mechanism.html)（深入剖析大模型底层原理）、[万字详解 RAG 基础概念](https://javaguide.cn/ai/rag/rag-basis.html)（企业级 AI 应用核心技术）
 
 ## 🚀 PDF 版本 & 面试交流群
 
@@ -57,7 +59,14 @@ footer: |-
 
 ## 🌐 关于网站
 
-JavaGuide 已经持续维护 6 年多了，累计提交 **6000+** commit ，共有 **620+** 多位贡献者共同参与维护和完善。真心希望能够把这个项目做好，真正能够帮助到有需要的朋友！
+JavaGuide 已经持续维护 6 年多了，累计提交 **6000+** commit ，共有 **620+** 多位贡献者共同参与维护和完善。
+
+网站内容覆盖：
+
+- **后端面试**：Java 基础、集合、并发、JVM、MySQL、Redis、分布式、系统设计等核心知识。
+- **AI 应用开发**：大模型（LLM）基础、Agent 智能体、RAG 检索增强生成、MCP 协议等前沿技术。
+
+真心希望能够把这个项目做好，真正能够帮助到有需要的朋友！
 
 如果觉得 JavaGuide 的内容对你有帮助的话，还请点个免费的 Star（绝不强制点 Star，觉得内容不错有收获再点赞就好），这是对我最大的鼓励，感谢各位一路同行，共勉！传送门：[GitHub](https://github.com/Snailclimb/JavaGuide) | [Gitee](https://gitee.com/SnailClimb/JavaGuide)。
 

docs/ai/README.md

@@ -0,0 +1,144 @@
+---
+title: AI 应用开发面试指南
+description: 深入浅出掌握 AI 应用开发核心知识，涵盖大模型基础、Agent、RAG、MCP 协议等高频面试考点，适合校招/社招 AI 应用开发岗位面试复习。
+icon: "ai"
+head:
+  - - meta
+    - name: keywords
+      content: AI面试,AI面试指南,AI应用开发,LLM面试,Agent面试,RAG面试,MCP面试,AI编程面试
+---
+
+::: tip 写在前面
+
+现在网上有很多所谓"AI 技术文章"，点进去一看，满篇空洞的套话，逻辑混乱，甚至还有明显的 AI 生成痕迹——"作为一个 AI 语言模型..."这种低级错误都来不及删。
+
+这类文章有几个共同特点：
+
+- **内容堆砌**：大量概念罗列，但没有真正讲清楚原理，读完云里雾里。
+- **缺乏实战视角**：纸上谈兵，没有真实的项目踩坑经验。
+- **没有配图**：全是文字，读者很难建立直观的认知。
+- **正确性存疑**：很多技术细节经不起推敲，甚至存在明显错误。
+
+我在写这一系列 AI 文章的时候，坚持一个原则：**要么不写，要写就写透**。每一篇文章我都投入了大量时间：
+
+- **深度调研**：查阅官方文档、技术博客、学术论文，确保内容准确。
+- **精心配图**：绘制了几十张精美配图帮助理解。
+- **实战导向**：内容都来自真实项目的踩坑经验，不是纸上谈兵。
+- **反复打磨**：每篇文章都修改了十几遍，确保逻辑清晰、表达准确。
+
+希望这些文章能真正帮到你。
+
+:::
+
+::: warning 持续更新中
+
+AI 面试系列目前正在**持续更新中**，后续会陆续补充更多高频面试考点。
+
+当前内容可能还不够完善，如果你有想要了解的主题或任何建议，欢迎在项目 issue 区留言反馈。
+
+:::
+
+## 这个专栏能帮你解决什么问题？
+
+如果你正在准备 AI 应用开发相关的面试，或者想要系统学习 AI 应用开发的核心知识，这个专栏就是为你准备的。
+
+通过这个专栏，你将获得：
+
+### 1. 扎实的大模型基础知识
+
+很多开发者在构建 Agent 工作流或调优 RAG 检索时，往往会在最底层的 LLM 参数上踩坑。比如：
+
+- 为什么明明设置了温度为 0，结构化输出还是偶尔崩溃？
+- 为什么往模型里塞了长文档后，它好像失忆了，忽略了 System Prompt 里的关键指令？
+- Token 到底怎么算的？为什么中文和英文的消耗不一样？
+
+这些问题，如果你不理解 LLM 的底层原理，就永远只能"知其然不知其所以然"。在[《万字拆解 LLM 运行机制》](./llm-basis/llm-operation-mechanism.md)中，我会带你扒开 LLM 的黑盒，把 Token、上下文窗口、Temperature 等概念还原为清晰、可控的工程概念。
+
+### 2. 系统的 AI Agent 知识体系
+
+AI Agent 是当下 AI 应用开发最热门的方向。但网上的资料要么太浅，要么太散，很难形成系统的认知。
+
+在[《一文搞懂 AI Agent 核心概念》](./agent/agent-basis.md)中，我会带你：
+
+- 梳理 AI Agent 从 2022 年到 2025 年的六代进化史
+- 理解 Agent、传统编程、Workflow 三者的本质区别
+- 掌握 Agent Loop、Context Engineering、Tools 注册等核心概念
+
+### 3. 深入理解 RAG 检索增强生成
+
+RAG 是企业级 AI 应用的核心技术。但很多开发者只知道"把文档切成块，转成向量，然后检索"这个流程，却不理解背后的原理。
+
+在 RAG 系列文章中，我会带你深入理解：
+
+- [《万字详解 RAG 基础概念》](./rag/rag-basis.md)：RAG 是什么？为什么需要 RAG？RAG 的核心优势和局限性是什么？
+- [《万字详解 RAG 向量索引算法和向量数据库》](./rag/rag-vector-store.md)：HNSW、IVFFLAT 等索引算法的原理是什么？如何选择合适的向量数据库？
+
+### 4. 掌握工具与协议
+
+在 AI 应用开发中，工具接入的碎片化是一个大问题。MCP 协议的出现，就是要解决这个问题。
+
+在[《万字拆解 MCP 协议》](./agent/mcp.md)中，我会带你理解：
+
+- MCP 是什么？为什么被称为"AI 领域的 USB-C 接口"？
+- MCP 的四大核心能力和四层分层架构
+- 生产环境下开发 MCP Server 的最佳实践
+
+在[《万字详解 Agent Skills》](./agent/skills.md)中，我会带你理解：
+
+- Skills 是什么？为什么说它是"延迟加载"的 sub-agent？
+- Skills 和 Prompt、MCP、Function Calling 的本质区别
+- 如何在实战中设计优秀的 Skill
+
+### 5. AI 编程面试准备
+
+AI 编程工具正在深刻改变开发者的工作方式。在面试中，你可能会被问到：
+
+- 用过什么 AI 编程 IDE？有什么使用技巧？
+- 如何看待 AI 对后端开发的影响？AI 会淘汰程序员吗？
+- 未来程序员的核心竞争力是什么？
+
+在[《AI 编程开放性面试题》](./llm-basis/ai-ide.md)中，我会分享 7 道高频开放性面试问题的回答思路。
+
+## 文章列表
+
+### 大模型基础
+
+- [万字拆解 LLM 运行机制：Token、上下文与采样参数](./llm-basis/llm-operation-mechanism.md) - 深入剖析大模型底层原理，把 Token、上下文窗口、Temperature 等概念还原为清晰、可控的工程概念
+- [AI 编程开放性面试题](./llm-basis/ai-ide.md) - 7 道高频开放性面试问题，涵盖 AI 编程 IDE 使用技巧、AI 对后端开发的影响等
+
+### AI Agent
+
+- [一文搞懂 AI Agent 核心概念](./agent/agent-basis.md) - 梳理 AI Agent 六代进化史，掌握 Agent Loop、Context Engineering、Tools 注册等核心概念
+- [万字详解 Agent Skills](./agent/skills.md) - 深入理解 Skills 的设计理念，掌握 Skills 与 Prompt、MCP、Function Calling 的本质区别
+- [万字拆解 MCP 协议，附带工程实践](./agent/mcp.md) - 理解 MCP 协议的核心概念、架构设计和生产级最佳实践
+
+### RAG（检索增强生成）
+
+- [万字详解 RAG 基础概念](./rag/rag-basis.md) - 深入理解 RAG 的工作原理、核心优势和局限性
+- [万字详解 RAG 向量索引算法和向量数据库](./rag/rag-vector-store.md) - 掌握 HNSW、IVFFLAT 等索引算法原理，学会选择合适的向量数据库
+
+## 配图预览
+
+为了帮助读者更好地理解抽象的技术概念，我在每篇文章中都绘制了大量配图。这里展示几张：
+
+![上下文窗口示意图](https://oss.javaguide.cn/github/javaguide/ai/llm/llm-context-window.png)
+
+_上下文窗口是 LLM 的"工作记忆"，决定了模型能处理的最大文本量_
+
+![RAG 架构示意图](https://oss.javaguide.cn/github/javaguide/ai/rag/rag-simplified-architecture-diagram.jpeg)
+
+_RAG 的核心思想：先检索相关上下文，再让 LLM 基于上下文生成回答_
+
+![MCP 图解](https://oss.javaguide.cn/github/javaguide/ai/skills/mcp-simple-diagram.png)
+
+_MCP 被称为"AI 领域的 USB-C 接口"，统一了 LLM 与外部工具的通信规范_
+
+## 写在最后
+
+AI 技术发展很快，但核心原理是相通的。我希望这个专栏不仅能帮你通过面试，更能帮你建立扎实的知识体系，让你在面对新技术时能够快速理解和上手。
+
+如果你觉得这些文章对你有帮助，欢迎分享给身边的朋友。如果有任何问题或建议，也欢迎联系我或者项目 issue 区留言。
+
+---
+
+![JavaGuide 官方公众号](https://oss.javaguide.cn/github/javaguide/gongzhonghaoxuanchuan.png)

docs/ai/agent/agent-basis.md

@@ -1,3 +1,26 @@
+---
+title: 一文搞懂 AI Agent 核心概念：Agent Loop、Context Engineering、Tools 注册
+description: 深入解析 AI Agent 核心概念，梳理从被动响应到常驻自治的六代进化史，对比 Agent、传统编程、Workflow 的本质区别。
+category: AI 应用开发
+icon: "robot"
+head:
+  - - meta
+    - name: keywords
+      content: AI Agent,智能体,ReAct,Function Calling,RAG,MCP,多智能体协作,Computer Use
+---
+
+还记得第一次被 ChatGPT 震撼的时刻吗？那时它还是个需要你费尽心思写提示词的"静态百科全书"。然而短短三年过去，AI 的进化速度早已超越了我们的想象——它不仅长出了"四肢"，学会了自己调用工具、自己操作电脑屏幕，甚至正在朝着 24 小时全自动打工的"数字实体"狂奔！
+
+**AI Agent（智能体）** 正在从"聊天工具"向"超级生产力"狂奔，这是当下 AI 应用开发最热门的方向之一。无论是 OpenAI 的 Assistant API、Anthropic 的 Claude Agent，还是各种低代码平台（Coze、Dify），都在围绕 Agent 这个核心概念展开。
+
+今天 Guide 就来系统梳理 AI Agent 的核心概念，帮你建立完整的知识体系。本文接近 1.5w 字，建议收藏，通过本文你将搞懂：
+
+1.  **AI Agent 六代进化史**：从 2022 年的被动响应到 2025 年的常驻自治，Agent 经历了怎样的演进？每一代的核心特征和技术突破是什么？
+2.  ⭐ **Agent vs 传统编程 vs Workflow**：三者的本质区别是什么？为什么说"传统编程和 Workflow 是人在做决策，Agent 是 AI 在做决策"？
+3.  ⭐ **Agent Loop（智能体循环）**：Agent 是如何通过"感知-思考-行动"的循环来完成复杂任务的？ReAct、Reflection 等推理模式是如何工作的？
+4.  ⭐ **Context Engineering（上下文工程）**：如何设计 System Prompt？如何管理多轮对话的上下文？如何避免上下文溢出？
+5.  ⭐ **Tools 注册与 Function Calling**：Agent 如何调用外部工具？Function Calling 的底层机制是什么？如何设计可靠的工具接口？
+
 ## 背景与演进
 
 ### AI Agent 六代进化史
@@ -945,3 +968,32 @@ Multi-Agent 系统是指多个独立 Agent 通过协作完成单一复杂任务
 ![ Agentic Workflows（智能体工作流）核心模式](https://oss.javaguide.cn/github/javaguide/ai/agent/agent-agentic-workflows.png)
 
 **通俗理解：** Agentic Workflows 告诉我们，构建强大的 AI 应用，并不是必须要等 GPT-5 或更底层的参数突破，而是用后端工程的思维，将“推理、记忆、反思、多实体协作”编排成一条流水线。这也是当前 AI 落地应用从“玩具”走向“工业级生产力”的最成熟路径。
+
+## 总结
+
+AI Agent 正在从"聊天工具"向"超级生产力"狂奔。通过本文，我们系统梳理了 AI Agent 的核心知识体系：
+
+**1. 六代进化史**：从 2022 年的被动响应，到 2023 年的工具觉醒，再到 2025 年的常驻自治，AI Agent 的进化速度令人惊叹。
+
+**2. 核心概念辨析**：
+
+- Agent vs 传统编程 vs Workflow：本质区别在于决策主体是 AI 还是人
+- Agent Loop：感知-思考-行动的循环，是 Agent 的核心执行模式
+- Context Engineering：如何设计 System Prompt、管理上下文、避免溢出
+- Tools 注册：Function Calling 的底层机制和接口设计
+
+**3. 主流推理范式**：
+
+- ReAct：推理+行动的迭代循环
+- Reflection：自我反思和迭代改进
+- Multi-Agent：多智能体协作
+- A2A 协议：Agent 间的结构化通信
+- Agentic Workflows：工作流编排的终极整合
+
+**面试准备建议**：
+
+1. **理解本质**：不要只记概念，要理解 Agent 为什么需要这些能力，解决什么问题
+2. **结合项目**：如果你做过 RAG 或 Agent 相关项目，一定要结合项目来回答
+3. **关注实践**：面试官可能会问"你在项目中遇到过什么坑"，准备一些真实的踩坑经验
+
+AI Agent 是当下 AI 应用开发最热门的方向，掌握这些核心概念，是你进入这个领域的第一步。