1. 做一下自我介绍，重点讲你在 AI 编码和跨端工程结合上的经历2. Flutter 的核心原理是什么，如果不从 Widget 开始讲，你会怎么讲Flutter 真正的核心不是 Widget，而是它自带了一整套渲染体系。它绕过了各平台原生控件树，直接基于 Skia 或 Impeller 进行绘制，上层通过 Widget、Element、RenderObject 三棵树来描述配置、生命周期和布局绘制职责。Widget 是声明式配置，Element 负责把配置和实例关系稳定下来，RenderObject 才是真正参与 layout、paint、hitTest 的对象。这样做的好处是跨平台一致性很...

一、背景 & 项目请简单做一下自我介绍你做的 Agent 项目是做什么的？Agent 的整体架构是怎样的？你的 Agent 实现了哪些功能？为什么要做动态加载 / 编排？二、Agent 架构设计你的 Agent 是如何运行的？整体流程是什么？你提到用了 ReAct，具体是怎么实现的？Agent 的执行流程中有哪些节点？分别做什么？为什么要增加评估节点（Evaluator）？如何防止 Agent 死循环？三、Multi-Agent你的系统是 Multi-Agent 吗？多个 Agent 分别扮演什么角色？不同 Agent 之间是如何协作的？为什么要拆分多个 Agent，而不是一个 Agent 做完？四、Tool / MCP你在项目中用了哪些 Tool？Tool 在执行流程中是如何被调用的？Tool 的设计有没有什么经验或技巧？Tool 的 description 有什么作用？MCP 是什么？解决了什么问题？MCP 相比 function call 有什么区别？MCP 的优点是什么？MCP 的缺点是什么？MCP 太多导致上下文过大，怎么优化？五、Prompt 工程（重点）你平时是怎么写 Prompt 的？Prompt 设计的核心原则是什么？如何让模型输出符合预期格式？如何避免模型输出顺序混乱？如何防止 Prompt Injection？如果出现 bad case（错误结果），你怎么优化 Prompt？如何约束模型避免“胡编”（幻觉）？六、RAG（检索增强）你有没有用过 RAG？用来做什么？RAG 中你存的是什么数据？文档是如何切分（chunk）的？chunk 大小是怎么选的？token 切分有什么问题？如果日志跨 chunk，导致信息不完整怎么办？如何提高检索的准确率？如果向量相似度太接近，区分不了怎么办？有没有用过 re-rank？作用是什么？RAG 的基本原理是什么？七、系统问题 &优化在你的 Agent / RAG 系统中遇到过哪些问题？有哪些 bad case？如何解决？如果检索结果不准确，你怎么优化？八、扩展技术你了解 MCP 之外的方案吗？有没有了解过某些新框架（如 Harness / 其他）？有没有了解过大模型的 memory 机制？九、开放问题（思维题）为什么大模型会具备泛化能力？大模型为什么能表现出“智能”？反馈：多关注最新技术。

1. 自我介绍2. 训练一个 decoder-only 大模型时，为什么 embedding 层和 lm head 常常共享权重权重共享本质上是一种参数高效和统计一致性的设计。输入端 embedding 学到的是“token 到向量空间”的映射，输出端 lm head 学到的是“隐藏状态到词表概率”的映射，如果这两个空间本身就在描述同一个词表语义，那么共享权重可以减少冗余参数，并让输入语义空间与输出判别空间保持一致。从优化角度看，共享权重还能起到轻微正则化作用，尤其在词表非常大时更明显。代价是模型表达自由度下降了一点，但对大多数语言模型来说这个损失远小于收益。很多实现里会保留一个独立 bias...

mark一下命运多舛的暑期实习​某红围脖厂二面遇到只聊天不招人的ld，流程走了一星期后挂，至今泡池子​某宇宙小厂两次一面挂道心破碎​某🐖厂二面完一星期至今没下文​某开水厂一二面聊的愉快但遇到hc全面收缩，已回人才库​某守门员厂二面完已过offer审批时内部盘hc给盘没了​最后被海面的红薯某业务线收留有感而发，作粒子说：找实习就像一堆粒子做无规则运动然后就看某两个能不能恰好互相吸引​