1. 介绍一下你做的这个项目2. LoRA 的基本原理是什么LoRA 的核心思路是，微调大模型时没有必要把整个权重矩阵都更新掉，而是只学习一个低秩的增量。原始权重记作 (W)，微调后的权重写成：其中 (A) 和 (B) 的秩都很低，参数量远小于直接更新整个 (W)。训练时冻结原模型参数，只训练这两个小矩阵，这样显存占用、优化器状态和保存体积都会小很多。它适合做领域适配、指令微调这类任务，因为很多任务对模型的改动并不需要覆盖完整参数空间。LoRA 常见会插在 attention 的 q_proj、v_proj 上，有时也会加在 k_proj、o_proj 或 MLP 层。选哪些层，本质上是在表达...

25届，非科班，混成这样大概是玩脱了吧（

26届民办本有一段小厂实习，现在发消息都没有回的，有没有大佬指点一下

一、核心项目深挖（一）AI Agent系统项目请详细介绍一下这个系统项目，包括项目背景、你的核心职责、落地成果。请解释系统的主从Agent架构设计，主Agent和从Agent分别承担什么职责？从Agent的数量是怎么确定的？如何解决多个从Agent重复探索的问题？请解释MCP和Tool Calling的区别是什么？Skill和固定的Workflow有什么区别？你们是怎么选择和平衡的？你们是怎么实现过往Agent经验的复用和Memory优化的？（二）Next.js电商项目请详细介绍一下这个电商项目，包括你的核心工作、遇到的技术难点和解决方案。二、前端基础能力考察请解释CSR、SSR、SSG分别是...