面试官：Langchain是什么？与Agent区别

她突然凑近问我:“你做AI的,具体负责哪块呀?”我后背一凉，支支吾吾道:“就....就是大家都做的那种……”女生眼睛一下亮起来:“是做Pretraining的吗?构建超大规模语料库、搭建万亿参数模型、算力优化、多机多卡并行，听起来就超高端!”我声音发虚:“不是……”“那一定是做Post-training的咯?指令微调、对齐、RLHF、Reflection，这种训练方案优化现在大火，前景无限!”她兴致盎然。“不……”我声音更弱了。我死死盯着键盘，恨不得把它盯出个洞。“难道是多模态架构?文本、图像、语音跨模态融合，炫酷又实用呀!”她笑着鼓励。“也不是…”我声音微不可闻。女生沉默两秒，突然眼神闪烁:“你该不会......做 Inference优化吧?部署环境、性能调优，提升模型速度和成本效益，很牛啊!”她的目光如探照灯般直射而来，我被烤得浑身发烫，手心出汗。我死死掐住大腿，从牙缝里挤出蚊子般的声音:“都.……都不是……”空气骤然凝固下来。女生的笑容僵住了，声音陡然降温:“那你，到底是在做AI的什么?”“做AI的还能有多少特别的?”她的话像冰锥扎进我的胸膛。我膝盖一软，扑通跪倒在地，眼眶泛红，带着哭腔说:“我.....我做的是Agent开发……”整个办公区瞬间陷入死寂，只剩同事们微妙的窃笑声。我低下头，感到周围人投来疑惑夹杂怜悯的目光，仿佛看到我夜深人静苦苦调Prompt却屡遭失败时的凄惨。女生抓起外套，毫不犹豫转身要走。我哭喊着拽住她的衣角:“求你别走!我们Agent开发真的很重要!”人群中响起窃笑声，我却抱得更紧:“你们不要笑我们Agent开发!Prompt不好写又怎样!幻觉问题多又怎样! Action失败率高又怎样!我们直接解决用户的实际需求，是AI真正落地的关键一步啊!”远处传来领导缓慢的脚步声和一声无奈的叹息:“唉，又是做Agent开发的……”

一、RAG（检索增强生成）基础与优化方向RAG是一种结合检索与语言模型生成的技术，核心流程包括：数据收集：将数据分块、生成向量嵌入并存储到数据库；推理过程：根据用户查询检索相关文档，结合提示生成回答。文章提出RAG优化的4个关键方向：分块方法、嵌入模型、向量搜索策略、提示工程，并通过实验验证效果。二、4种优化策略及实验验证分块方法优化目标：平衡块大小，避免过小（丢失上下文）或过大（检索冗余）。实验：尝试“父文档检索器”，同时检索相关片段及其父文档以保留上下文，但结果显示性能下降（如上下文召回率降低），需进一步调整分块逻辑。嵌入模型选择对比：DPR（密集 Passage 检索模型）和Senten...

暑期实习找的java后端，实际的实习是aigc工程师，写agent和workflow，用golang跟python，时不时写写后端，现在还要做准备写react。这我秋招要找啥啊到时候😭