求问

目前一共有两段实习，第一家是自研，第二家是外包，因为接触过外包的工作，发现外包的流程都不是很规范，所以一直在找自研，但是春招投了很多简历，有回信的都是些外包，之前有了解到如果干了外包很难转自研，害怕如果毕业第一段工作就是外包后面就去不了自研了，有佬能给点建议吗

1-自我介绍2-介绍实习其中一个项目3-在实现这个项目有什么难点？项目做好是怎么托付给上面的，你对权重啊有做什么调试吗？（这个是实习项目，可忽略）4-css有几种类型5-margin padding区别6-http1和http2区别7-dispatch打印1，setTimeout打印2，promise打印3，输出为什么？8-一个场景，如果给个输入框，用户输入后后端会发送请求，你会怎么上手做这个内容9-接上一个，说如果用户输入结果，后端响应，这时用户又输入，后端又响应，这种问题怎么处理10-浏览器对接口的限制（俺不会）11-数组遍历方法反问：1-业务：面试官说了很多但是我网太卡了，断断续续，有电流音，大概听出来是什么系统翻新迭代，同时公司有内部的3d引擎，应该是其他部门的2-实习生规模？这个部门2个hc，加起来3个前端实习生，其他部门也还有hc3-面评：挺好的结果：技术面过，约线下hr面已offer没去

全篇不会教你怎么去给Agent创建Skill，而是教会你什么是好的Skill、坏的Skill以及究其原因。什么是Agent Skill一个根本性的误解大多数人听到“Agent Skill”，首先想的是：教会AI去做某件事情但是你有没有想过，现在的大模型已经不知道喂了多少东西了，像维基百科、Word问单号、github代码仓这些，都不需要你教给大模型那么Skill到底是个什么？Skill是知识的外化机制从作用机制上来说，Skill其实教会模型怎么去做？传统AI，知识都被锁在了模型参数当中，你如果像给模型去塞一些新的技能？怎么做？ 传统方式： 收集数据 → 设置 GPU 集群 → 参数训练 → 部...

1. 推理与执行范式ReAct（必学）：Reasoning → Acting → ObservingCoT（思维链）、Plan&Execute、Reflection（反思）任务拆解、多轮决策、异常处理2. 记忆系统（Memory）短期记忆：对话上下文、会话管理长期记忆：向量数据库（必学）Milvus、Weaviate、FAISS、Chroma、Pinecone记忆归档、遗忘策略、用户画像3. RAG（检索增强生成）（必学）文档切分、Embedding 模型（text-embedding-3、bge、m3e）向量检索、混合检索（关键词 + 语义）重排序（Reranker）、上下文压缩生产级 RAG 优化（准确率、召回率、延迟）4. 工具调用（Tool Use）内置工具：搜索、计算器、代码解释器外部 API：邮件、日历、ERP、爬虫、支付MCP（Model Context Protocol）（2026 标准）工具安全、权限、结果校验5. Agent 框架（至少精通一个）LangChain + LangGraph（主流、工作流 / 循环）LlamaIndex（知识库 / RAG 强）AutoGen / CrewAI（多智能体协作）AutoGPT、MetaGPT、Devika（垂直领域）