科大讯飞AI算法测试，二面

稳稳的寄了。Q：你的 Agent 具备上下文记忆功能，基于 ReAct 模式，目前实际运行中最多能支持多少轮对话？Q：在 ReAct 模式下，Agent 需要频繁调用工具。考虑到不同大模型（如 Kimi 支持 20 万+ token，DeepSeek 支持 10 万+ token）的上下文窗口限制，您在执行过程中是否遇到过因工具调用次数过多（N 次）导致 Token 超出限制（撑爆上下文）的情况？如果有，是如何处理的？Q：在问答类场景中，如果 Agent 陷入死循环（例如反复搜索不到内容，不断重复“查看文件 - 搜索文件”的操作），有什么机制来检测并处理这种异常情况？Q：项目基于 MCP 协议集成了服务器资源查询、数据操作和校内文档检索，为什么没有考虑集成外部互联网资源的检索能力？Q：像 Codex 这类代码模型，其内部显然不是基于向量检索的。您是否研究或思考过 Codex 内部的文件检索策略是如何实现的？Q：目前 OpenClaw 比较热门，您是否阅读过相关源码或研究过其技术实现？Q：您提到了“服务器辅助开发”功能，是基于 Plan-Execute-RePlan 的方式实现的。能否详细讲解一下这一功能的具体实现逻辑？Q：你实现的“Plan-Execute-RePlan”流程与 Minus 这种有什么区别？

最近在学习Agent项目时，踩了很多坑，也有了很多体会，以下是笔者的一些见解。第一，必须具备完整的工程后端体系很多 AI 项目在实现时只关注 Prompt、工具调用或者 Agent 流程，但却忽略了系统工程本身。然而在企业环境中，AI Agent 本质上仍然是一个应用系统，它需要具备完整的后端架构，包括 API 服务层、数据库设计、会话管理、日志系统、错误处理，完善的兜底机制以及高并发处理能力等。如果一个项目只展示模型能力而忽略系统工程能力，那么在面试官眼里往往会被认为只是一个 Demo，而不是一个可以上线的产品级系统。第二，不能只是简单调用框架，而应该具备真正的 Agent 系统能力现在很多...

意向方向 ai infra，集群编排平台岗，还有一个手搓GPT项目不知道要不要写上去

佬们好，想找大模型算法，ai应用开发方面的实习，介绍一下个人背景：现在在研二，研一期间主要在参与科研和竞赛，项目经历比较薄弱，手搓了一个后端项目，现在正在找开源项目进行学习，同时正在刷hot100，现在有点迷茫，是不是要再加一个微调相关的项目呢，简历方面需要哪些改动的地方，希望大佬们给些建议😭