别卷了.......

给大家拆解一下事业部+岗位，看一线大厂是如何布局AI发展的 岗位详细清单与职责分析 一、技术研发类岗位 1. 大模型 Agent 技术专家 - AI 应用与创新 岗位 ID: 7419283793284565274 工作地点： 未明确指定 核心职责：  负责 LLM 工程化相关研发工作 构建 Agent 体系的技术架构 推动大模型在业务场景中的落地应用  任职要求：  3 年以上研发工作经验，本科及以上学历，计算机相关专业 具有 LLM 工程化相关研发经验 扎实的后台研发能力，熟练掌握 Golang/Java/Python 任一编程语言 熟悉 MySQL、ES 等常用基础组件 良好的设计能力、...

是简历有问题吗

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...