LLM

LlamaIndex v0.14.x 框架应用实战教程，从零开始系统掌握 LlamaIndex，涵盖环境搭建、数据加载、索引构建、检索策略、查询引擎、Agent 工具化、工作流编排等核心模块，所有代码示例完整可运行，助你独立构建生产级 RAG 应用。

基于 LlamaIndex 源码深度剖析文档解析与分块策略，从 Document→Node 数据模型层次、元数据排除机制、NodeParser 继承体系，到基础文本分块、语义分块、文件格式感知分块、层级分块等核心组件的设计原理与最佳实践。

全面详解 LlamaIndex 各类索引类型：VectorStoreIndex（向量语义检索）、SummaryIndex（全局摘要）、TreeIndex（层次摘要）、KeywordTableIndex（关键词匹配）、KnowledgeGraphIndex（知识图谱推理）、MultiModalVectorStoreIndex（多模态检索）等，包含原理、特点、适用场景与代码示例。

深度解析大模型注意力机制的三种核心变体：MHA（多头注意力）、MQA（多查询注意力）和 GQA（分组查询注意力），从 Query/Key/Value 头数设计、KV Cache 显存占用、推理速度、模型精度等维度全面对比，助你理解 LLaMA、GPT 等模型的架构选择。

深入解析 LlamaIndex 三大核心概念：索引（VectorStore/Summary/Tree/KeywordTable/KnowledgeGraph）是数据的结构化存储形态，检索策略（语义/关键词/混合/分层/路由）是从索引中查找内容的方法，查询引擎是封装检索与生成的完整问答接口，三者共同构成 RAG 流程的核心链条。

LlamaIndex 大厂面试 25 道灵魂痛点题全解析，涵盖核心架构与数据流、高级 RAG 优化（混合检索/重排序/查询改写）、Agent 编排与工具调用、生产环境避坑指南四大模块，助你高效突击大厂 AI 工程师面试。

全面详解 LlamaIndex 核心包中 15 种分块策略，涵盖基础文本分块（Token/Sentence/Code）、语义分块（SemanticSplitter/SemanticDoubleMerging）、文件格式感知（HTML/Markdown/JSON）、关系层级分块（SentenceWindow/Hierarchical/MarkdownElement），附选择指南与代码示例。

LlamaIndex 索引类型全景梳理，涵盖基础索引（VectorStore/Summary/Tree/KeywordTable）与高级索引（KnowledgeGraph/PropertyGraph/DocumentSummary/MultiModal），详解每种索引的核心原理、适用场景与选型建议。

原力健康 AI Agent 开发岗位面试全记录，涵盖 RAG 检索流程、知识库构建、Chunk 切片优化、多路召回、LangGraph 编排、Redis 分布式锁与缓存、设计模式、排序算法等 23 道面试题详细解答。

LLM 应用开发面试 50 道核心模拟题及详细答案，覆盖 RAG 检索与评估、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型部署与推理优化、LLMOps 工程化等七大专题，助你全面备战大模型应用岗面试。