1. 范式理解深度：面试官想知道你是不是真理解这三种范式背后的 推理机制差异，不是只会说 "ReAct 就是边想边做"。这三种范式对应的是不同的任务假设，确定性任务、探索性任务、需要自我纠错的任务，能说清楚这个才算入门。

1. 架构认知的系统性：面试官想知道你是不是把 Agent 当成 "聊天机器人 + 函数调用" 的简单玩意儿。它其实是一套完整的认知架构，你得把大脑（LLM）、规划、记忆、工具这几块讲清楚，还能说出它们怎么配合。

1. 对传统 RAG 局限的认知：面试官想知道的不只是你听过 Self-RAG 这个词，更想看你懂不懂传统 RAG "无脑检索" 留下的坑——比如检索到一堆无关内容反而污染生成、模型对错误证据照单全收。

1. RAG 优化深度：面试官不是想听你背 RAG 流程，而是想知道你有没有踩过检索效果不行的坑、知不知道有哪些进阶优化手段。HyDE 就是一个挺有 "亮点感" 的技术。