禾赛评估ing

有这样一个问题：“在实际运行中，如果你的 Agent 陷入了 ReAct 循环，或者不断调用同一个错误的工具，你是怎么在工程上解决的？”为什么这个问题是“分金岭”？很多人做 Agent 还停留在 Demo 阶段，认为只要 Prompt 写得好，模型就能自动完成任务。但在真实场景下，Agent 经常会变成“复读机”：它发现工具 A 没给它想要的结果，于是思考一下，再次调用工具 A，如此循环，直到烧光你的 Token。深度解析：你该如何作答？一个标准的、有“工程手感”的回答，应该包含以下三个层面的策略：第一层：硬性约束（Stop Conditions）这是最基础的。你需要提到你设置了最大迭代次数（...

之前一直在牛客刷大家帖子，看到了很多人吹捧大厂多好多好。但是说个会被喷的事实：双非本，秋招拿了5个offer，比我那个在某大厂实习的室友还多一个。他在大厂做了三个月，负责链路中的一个中间模块。听起来很厉害对吧？但面试的时候面试官追问这个特征是怎么选的召回策略谁定的，他只能说这部分是算法团队负责的。我在旁边听得都替他尴尬。我呢？在一家不过百人的小公司做了个后台管理系统，全流程就我一个人。你问我任何一行代码为什么这么写，我都能给你掰碎了讲，因为踩过的坑我全记得——凌晨两点调CORS跨域问题的那种刻骨铭心你懂吗。说到底面试官要的不是你title多好看，是你到底有没有真正做过这件事。大厂名字能帮你过简历关，但到了面试那一步，你做的东西是不是你的，一问就知道了。后来我室友也想明白了，他说我那三个月最大的收获就是知道了食堂哪个窗口最好吃。我不知道他是在自嘲还是在认真的。

1.工具调用率核心提高了15%，依赖的是什么手段？2.意图不太明确的时候，显著调用的是什么？3.命中率是用什么指标来衡量的?有线上数据吗？4.有去判断模型整体的一个准确率，以及token消耗量？5.有考虑过通过大语言模型进行二轮评估吗?6.agno框架和其他框架有什么区别？7.有了解过harness工程吗？8.整体的话有没有做什么编排调度？目前大多数ai coding的编排还是比较固定的，规划 生产 评估，有尝试完成这种编排吗？9.你觉得你们公司的场景适合这么做吗？10.context engineering长期记忆 短期记忆是怎么进行组织的？11.怎么保证记忆不会随着时间长期进行腐化？算法：...