贝壳找房测评

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

25年可谓是Agent的元年了，但主包找暑期实习的时候，对AI相关的东西基本上只知道部分概念，更深的技术就说不上来了。但是有幸的是，还是通过了团团的面试，并且成功入职。一开始我还不清楚我的工作是什么，以为还是简单的增删改查工作。但是进入后才发现周围的同学都是在利用AI进行开发，我们组也是用AI 进行coding，并且也积极去探索AI coding。在这样的背景下，我才发现我似乎逐渐转岗成为AI coding开发了。那具体要如何转岗成为AI工程师呢？分为已经找到AI相关实习和没找到相关实习两种情况：一、已经找到相关的实习这个时候，你需要多跟Mentor商量一下，能不能多把一些Agent的具体开发...