Moka未来星一面

很多是基础八股(甚至重复)

没回答上的问题:

undolog的回收

LRU设计

碎碎念:

我就看到没算法,于是四五天没摸,复习刷的话刷到dp了,lru不记得了

每日一念大厂,因为鼠鼠确实很需要钱来着,一些自己想做的事不想爸妈垫钱而已

全部评论
这面试官还问重复的问题?难的是你第一次回答的人家不满意?
点赞 回复 分享
发布于 02-08 17:17 陕西

相关推荐

Agent开发是2024-2025年AI领域**从“玩具”走向“工具”**最关键的一步。我不跟你讲太多LangChain的抽象概念,我们从**“到底难在哪”**和**“怎么做才不飘”**这两个真实角度来聊。---## 一、现在做Agent,核心难点不是“调用LLM”很多人第一次写Agent,跑通一个ReAct范例如释重负,然后发现:**一上真实场景就崩。****真实难点排序:**1. **状态管理(最难)**Agent不是一次API调用,是多次。用户说“帮我查北京下周的天气,然后和上海对比一下,再把结果发到我邮箱”——这里涉及:搜索天气→记住两个城市的数据→对比→调邮件服务。**问题:** LLM会忘,上下文一长就混淆。**解法:** 不能全塞历史消息。要做显式的**记忆模块**,把已完成步骤、关键数据抽出来存成结构化状态。2. **工具调用的可靠性**LLM 选错工具、传错参数是常态。比如天气工具需要城市拼音,它传了中文。**解法:** 工具描述要像“给小学生写说明书”,并且要做**参数校验层**,不信任 LLM 的输出,用代码强制格式化。3. **容错与恢复**工具返回 404 或超时,Agent 经常直接崩溃或死循环。**解法:** 每个工具调用必须有超时保护、重试逻辑,并且要告诉 LLM“刚才那个工具失败了,这是错误信息,你换个方法”。---## 二、什么时候该用Agent,什么时候不该用?**不该用:**- 确定性的、固定流程的任务(比如每天定时备份数据) → 写代码,不要用Agent。- 单次调用就能完成的(比如翻译一句话) → 没必要绕一圈。**该用:**- **路径不确定**的任务。用户没说全流程,需要Agent自己规划、试错、调整。- **多步骤依赖外部反馈**。比如“监控这个网页,有更新就总结并通知我”。- **工具数量多,且用户不知道具体该用哪个**。**一个判断标准:**如果流程图里需要有“判断分支”且分支条件用户说不清,就用Agent。---## 三、现在的Agent框架,哪个值得学?坦白说:**LangChain 和 LangGraph 可以学,但别神化。**- **LangChain**:适合快速原型,但生产环境你大概率会自己重写。它的抽象层太厚,出了问题很难调试。- **LangGraph**:比LangChain更贴近“状态机”思维,适合复杂流程。如果你要做**循环、Human-in-the-loop**,可以学。- **AutoGen**:微软出品,多Agent对话机制不错,适合模拟多方协作(比如程序员+测试+产品)。但有一定心智负担。- **自己写核心逻辑 + 用现成的工具调用解析库**:很多一线团队在这么做。用基础Prompt + 函数调用功能,自己维护状态机。**我的建议:**从 **OpenAI Function Calling** 或 **Anthropic Tool Use** 的原生接口入手,自己手写一个简单的ReAct循环,再逐步加功能。这样出问题你知道去哪修。---## 四、一个值得做的小而美的Agent项目如果你想真正理解Agent,做一个**“个人事务调度员”**:**目标:**用户用自然语言说“下周二上午开个会,需要预定会议室,并提醒参会人”,Agent自动查日历空档→选会议室→发邀请→设置提醒。**为什么这个项目好:**- 需要读日历(工具调用)- 需要根据空闲时间做决策(规划)- 需要记住选了哪个会议室、哪个时间(状态管理)- 如果冲突,需要回退并建议其他时间(容错)**技术栈建议:**- 核心逻辑:自己写,用 OpenAI SDK 的 `tool_choice`- 状态:用 Pydantic 定义 Schema,每一步更新- 工具:Google Calendar API / 飞书开放平台(模拟)- 前端:Gradio / 纯命令行(先跑通逻辑)这个项目做下来,你对Agent的**幻觉问题、状态维护、工具可靠性**会有极深的理解。---你目前在Agent开发上是刚准备入门,还是已经写过一些Demo遇到了具体问题?如果卡在某个地方,可以展开聊聊。
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务