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...

遇到一个民科乐子，最难绷的一集。

我是犯天条了吗？大佬们

自我介绍都没有，一上来就问实习介绍一下实习中的难点（深入拷打，觉得这个你这个方案不行巴拉巴拉）八股服务发现的原理（不会，我技术栈没写spring cloud啊，哭）java中的几种引用类型，分别有什么应用场景了解java中哪些锁使用到了哪个锁手撕：重排链表更新 0323 已挂