大家好，大家好我是@程序员花海，最近两周密集面试了不少Agent方向的候选人，从应届生到有三年、五年经验的同学都有，面下来最大的感受是——简历看着都差不多，一问项目就露馅。说几个反复出现的名场面，可能你也在经历：场景一：简历千篇一律十个候选人，八个项目写的都是基于LangChain搭建智能问答系统这种风格。问技术选型为什么用LangChain而不是直接用官方API，答不上来。问系统如果上线要承载1000人同时用，哪里会先崩，基本没想过。场景二：项目经不起推敲简历上写着实现了RAG检索增强生成，一问细节，比如文档怎么解析的？切片窗口多大、重叠多少？向量库用的什么索引策略？检索召回率怎么评估的？多...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

要简历的不少，但没面😥同学都在实习，好焦虑😢

1. 自我介绍2. 介绍一下 AI 智能体的 workflow，以及 RAG 知识库是怎么设计的智能体 workflow 一般不是一次模型调用，而是多阶段任务流。我会把它拆成意图识别、任务规划、工具选择、检索增强、结果生成、校验和记忆更新几个阶段。比如运营人员问一个商品问题，系统先判断是选品分析、广告诊断、库存预警还是内容优化，再决定调用商品库、广告系统、向量知识库或规则引擎。RAG 知识库设计上会分离结构化数据和非结构化文档。结构化数据比如商品指标、广告 ROI、库存周转用 MySQL、ClickHouse 或 ES 查询；非结构化内容比如运营 SOP、平台规则、历史案例、达人脚本会做切分、...