<span role="heading" aria-level="2">周进度总结</span>

Q1：请⽤你⾃⼰的话定义&nbsp;LLM&nbsp;Agent，并说明与单次调⽤的差异。答案：LLM&nbsp;Agent&nbsp;是以⼤语⾔模型为推理核⼼，在&nbsp;多轮&nbsp;中与外部环境交互，通过&nbsp;规划、记忆与⼯具&nbsp;完成复杂任务的系统。与单次调⽤的差异在于：单次调⽤是&nbsp;开环⽣成；Agent&nbsp;是&nbsp;闭环决策，每步可依据⼯具返回更新状态，直到终⽌条件。追问：若没有外部⼯具，还能叫&nbsp;Agent&nbsp;吗？答案：可称为「弱环境」Agent，仅有对话记忆与推理；但仍可有内环多步&nbsp;CoT&nbsp;与⾃我验证。⾯试中强调是否存在「⾏动—观察」循环更清晰。Q2：Agent&nbsp;的记忆⼀般怎么设计？答案：分层设计最常⻅：⼯作记忆（当前轨迹与关键结论）+&nbsp;会话记忆（摘要滚动...

想着把项目再优化优化，整个线上demo演示，然后拖到现在，学校层次也不好，真没招了，有没有佬给机会面试🥺，或者说下现如今的投简历渠道，各大线上软件真不行，投出去基本都没反应，孩子真的很想暑假找个实习

大家好，我是程序员鱼皮。最近这两年，只要你接触过&nbsp;AI&nbsp;编程，大概率听过一个词，RAG（Retrieval-Augmented&nbsp;Generation）。但很多小伙伴对&nbsp;RAG&nbsp;都只是一知半解，导致面试的时候只能说出&nbsp;“检索增强生成”&nbsp;这六个字，面试官再多问一点，就只能&nbsp;“阿巴阿巴”。而这篇文章，是对&nbsp;RAG&nbsp;技术的一个全景科普，从最初的&nbsp;Naive&nbsp;RAG、到现在最主流的&nbsp;Agentic&nbsp;RAG，总共&nbsp;16&nbsp;种主流&nbsp;RAG&nbsp;方案，我会一次性给大家讲清楚。以后开发&nbsp;AI&nbsp;应用的过程中，无论遇到什么场景，都能选择最合适的&nbsp;RAG&nbsp;方案。干货比较多，建议先点赞收藏，再慢慢往下看~什么是&nbsp;RAG？AI...