1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

不知道过两年会变成啥样…   

技术最强的不一定混得好。见过算法竞赛金牌选手，进了大厂反而边缘化，因为他只会写代码，开会一言不发，需求理解总跑偏，项目推进靠别人。真正在大厂混得如鱼得水的，往往是这几类人：第一种是"向上管理"高手，知道领导想要什么，汇报简洁漂亮，让领导省心。第二种是"推进派"，跨部门协作不怵，催人不得罪人，项目从不烂尾。第三种是"抗压机器"，绩效考核、周报日报、OKR、各种评审，流程多到怀疑人生，但他们处理得游刃有余。反过来说，最不适合大厂的是什么人？是那种想法多、不服管、喜欢从零构建、受不了流程的人。这种人去大厂会很痛苦，但去创业公司可能是核心骨干...