27实习 AI应用开发一面 蚂蚁

发点面经攒攒人品～
1.论文拷打
2.拷打实习
3.拷打第一个项目：MinerU解析出的结果是Markdown，相比纯文本，Markdown的层级结构对检索有什么好处？在你的流程中，VLM是在检索阶段参与，还是只在最后生成答案时参与？Ragas评测中，如果Faithfulness得分低，说明模型出现了什么问题？
4.拷打第二个项目：在LangGraph中，Node和Edge分别代表业务流中的什么？长短期记忆在实现上有什么区别？短期记忆通常存在哪里？Agent是如何识别并选择正确工具的？是基于工具的名称还是功能描述？
5.讲一下向量检索和关键词检索各自的优缺点
6.为什么RAG比直接问大模型更能减少事实性错误？
7.如果原始文档被修改了，如何保证向量数据库里的索引同步更新？
8.什么是Query Rewrite？能解决用户提问中的什么问题？
9.Temperature参数调高和调低，分别会对模型的输出产生什么影响？
10.讲讲CoT的原理？为什么它能让模型处理复杂任务？
11.在Agent执行任务时，Thought、Action和Observation三者如何循环？
12.当对话长度超过模型上下文窗口时，处理方法有哪些？
13.模型在进行工具调用时，输出的是直接的结果，还是一个包含参数的 JSON 字符串？
14.系统提示词和用户提示词在Agent约束力上有什么区别？
15.讲一下什么是HNSW索引？为什么比暴力搜索快？
16.讨论了一下OpenClaw
17.在开发Agent应用时，你怎么判断一个任务该用7B的小模型还是70B的大模型？
18.如果你发现Agent总是重复执行同一个错误的工具调用，你从哪个环节修复？