想做一个go秒杀系统之类的项目

努力拥抱AI中…1.项目拷打2.有没有部署过大模型？3.项目中对话流程是什么？4.如果面试官和AI对话生成的问题冲突怎么办？5.如果将项目升级为虚拟对话可以怎么改6.实习的这个项目还有哪些需要优化的7.你的这些实习项目哪些用到了rag8.rag的信息是怎么存储的9.用的哪些embedding模型10.embedding是怎么分chunk的11.硬切分在实践中有哪些弊端吗，有没有实际的例子12.选一个项目介绍一下react机制是怎么设计的，在实际应用场景表现如何13.这些项目哪个更适合使用模型再训练，哪些适合用rag14.微调的数据集从哪里来代码环节手撕self-attention和检测模型

# 加入Agent赛道，需要学哪些技术？## 基础层：LLM工作原理先搞懂大模型怎么工作的，不然用起来像黑盒。核心概念：Token、注意力机制、上下文窗口、温度参数。不一定要手推公式，但要理解“为什么模型会胡说”“怎么让它更听话”。推荐：李宏毅课程、Transformer论文精读。## 核心层：推理与调用**ReAct模式**：Reasoning+Acting，模型边想边做。这是Agent的“大脑”。学怎么设计prompt让模型拆解任务、调用工具、观察结果、迭代执行。**Function Calling/Tool Calling**：模型输出结构化指令（比如`{“tool”: “get_weather”, “params”: {“city”: “北京”}}`），系统去执行。要学会定义tools schema、处理多轮调用、异常兜底。## 框架层：LangChain/LlamaIndexLangChain是Agent赛道的事实标准。核心组件：Tool、AgentExecutor、Memory。边学边写：先搭个能查天气的简单Agent，再加对话记忆，再加多工具路由。## 落地层：RAG与评估**RAG**：Agent的“外挂知识库”。学向量数据库、分块策略、检索优化。**评估**：Agent怎么测？任务成功率、执行效率、幻觉率。学用LangSmith或自建评估集。## 一句话总结从**调API开始**，写个能查天气、算数学、搜网页的Agent。边写边学，比啃完理论再动手快十倍。你学到哪一步了？来评论区交流👇

1. 介绍一下项目以及大概的架构，负责的主要工作。2. 网络波动的情况如何保证消息可靠性。3. 平时有什么兴趣爱好，了解过游戏服务端开发吗？4. 为什么不考虑继续深造读研？面试官应该是HR，没什么拷打，聊了20分钟就结束了，面完立刻进度进入offer审核阶段。求给个 offer 吧，我真的什么都可以做的😭

给我面没招了，发点面经攒攒人品～1.实习拷打2. 对着之前的一个agent项目详细的深挖，问了agent的架构，多个agent之间如何交互，skill怎么生成，检索机制，和单智能体比好在哪里等等3.用的哪个基模，模型大小多少，模型参数是啥，有对比其他基模吗4.skill的机制5.有没有做过rag，rag的分块和召回6. 依旧是之前的agent项目，有什么创新点能拿去投稿7. 论文拷打8. 写prompt，智能导购agent进行意图识别