小米实习 AI Agent一面 45m

引言大部分人简历上写的 Agent 项目，技术链路是这样的：接收用户输入 → 调 LLM → 解析工具调用 → 执行工具 → 返回结果。这是 Agent 的"最小可用版本"，能跑通，但没有任何区分度——2026 年了，跟着任何一个教程都能搭出来。尤其 RAG 相关的大家已经觉得烂大街了，评论区也有同学吐槽真正让面试官觉得"这个人做过真东西"的，是那些教程里不会教、但生产中必须解决的进阶问题。以下逐个拆解。一、Agent Harness：Agent 不是一个模型调用，是一个运行时是什么：Agent Harness 是 Agent 的"执行骨架&q...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.实习拷打3.OCR 结果有噪声或错误时，你是怎么做纠错或提升解析质量的？4.多模态检索中，图像和文本向量不在同一空间时，如何实现对齐？5.Agent 中长短期记忆如何设计？各自存什么，怎么触发读取？6.多轮对话中，如果不同轮次的记忆发生冲突，你如何处理？7.用户情绪异常（投诉、愤怒）时，Agent 如何在不中断主流程的情况下进行干预？8.长文档为什么一定要切 chunk 再做向量化？不切会有什么问题？9.chunk切分时为什么要有重叠区域？比例一般怎么确定？10.稠密向量和稀疏向量的区别是什么？各自适合什么场景？11.是否做过关键词召回和向量召回的融合？具体怎么做的？12.向量检索中 Top-K 设置过大或过小分别会带来什么问题？13.余弦相似度和欧氏距离在高维空间中的差异是什么？实际怎么选？14.为什么需要 rerank 模型？它解决了向量召回的哪些问题？15.rerank之后的截断策略是怎么设计的？为什么选这个 K 值？16.文档发生局部更新时，如何做增量索引而不是全量重建？17.RAG 中如果没有召回到相关知识，如何约束模型避免胡编？18.HyDE 在 query 模糊时是如何提升召回效果的？19.超长上下文模型出现后，RAG 架构的必要性是否会下降？20.大模型高并发调用时，如何做限流、降级和成本控制？

今天给大家带一个非常适合跟练的 Agent 项目——agents-from-scratch，LangChain 官方出品，手把手教你从零搭建一个能自动处理邮件的 AI Agent。 项目不大，代码量适中，但覆盖了 Agent 开发的所有核心概念。跟着做完，面试直接聊这个项目就够了。 这个项目做了什么？ 一句话：一个能帮你自动分类、回复邮件的 AI Agent。 它会：  自动分类收到的邮件（需要回复 / 仅通知 / 垃圾邮件） 根据邮件内容起草回复 敏感操作（比如发送重要邮件）会先让你人工确认 会记住你的偏好（比如"给老板的邮件用正式语气"），越用越懂你  技术栈 Lang...

双非本科，靠着字节、百度、蔚来三段实习一路撑到春招，到现在才真正认清现实。一封封感谢信砸过来，慢慢明白，学历和学校带来的门槛，远比几段光鲜实习要重得多。最让人无力的，莫过于拼尽全力刷实习、攒经历，最后却连一个入场机会都换不来，那种落差感真的太磨人。总自以为是地觉得，有大厂实习就够了，一定能挤进心仪的公司，可现实一次又一次把幻想击碎。现在的我，早已没了春招初期的锐气，只剩下满心的迷茫和惆怅。不知道是该坦然接受现实，还是继续抱着不切实际的期待，在大厂的梦里不肯醒。