经过一年的发展，agent框架现在是什么样子

二本，方向是Java后端，看着当今局势对ai倾向性很高，于是在网上找了个agent项目学习。前后大概了解了rag，mcp，agent等的编码，以及调用关系。但是对于面试提问还是不能很有把握，想请教各位佬有没有资源应对这种agent项目的八股，能否分享渠道或者学习资源？感谢xdm！

在生成式AI广泛应用的企业环境中，高质量的Prompt是释放大模型能力的关键。然而，一线员工的prompt engineering能力差异较大，分布不均，且通过一线使用人员独立维护的话，会导致最终输出结果的不可控，即导致输出质量参差不齐。通过建立标准化的Prompt模板，可以大幅提升AI应用的稳定性和效率，降低试错成本。本文将分享几种适用于企业内部的Prompt模板，并结合实例说明其用法。一、标准化模板的价值企业级Prompt模板旨在将复杂任务拆解为清晰的指令框架，确保模型理解一致。其核心要素包括：角色定义、任务描述、输入格式、输出要求及约束条件。标准化后，通过维护字典进行后端调用，可以确保使...

技术栈：Python＋go（有两段后端实习）一面：首先是实习做的项目相关：- 为什么引入父子索引，为什么引入BM25，比例是怎样的，具体流程是什么，有没有rerank- rerank后返回几个块，有没有做一些验证- rerank后的topk截断是怎么做的，为什么是这个值，有没有其他方案- 讲一下上下文工程，记忆是怎么做的- 问实习做的后端项目的问题- 分布式令牌桶限流讲一下，漏桶讲一下，滑动窗口算法限流讲一下，如果用滑动窗口结构体会包含什么字段，滑动窗口和令牌桶相比有什么确定，用redis的什么数据结构实现- 问自己做的项目，lru讲一下- 布隆过滤器讲一下- 索引失效的情况（MySQL八股有点忘了，只讲出来两个，被追问了）- like会不会失效- MySQL事物隔离一致性讲一下- mvcc细说，详细追问，问你这种情况会创造几个readview- MySQL锁讲一下手撕：我说我最近实习，很久没刷过题了，出了一道反转链表二面：全是agent，rag相关的，项目相关的，不涉及后端细问rag项目- 如何评测的，有哪些纬度，那些指标- 数据集包括什么- 如果让你对相关度，回答的效果做一些优化，你有什么思路，有没有什么更体系化的思路建设- 如果设计一个数据处理的场景，你会怎么做，比方说有一千条数据，需要求和，你怎么做处理- rag性能如何提升- 你的上下文怎么处理的，有什么优化思路- 长短记忆之间怎么做协同呢- 你有什么思路去对你的agent做优化，让他更智能呢（我感觉这个问题太泛了 不知道具体在问什么，我回答主要针对工程遇到的问题做优化）手撕： 全排列（a了）反问：可能有三面 or hr面业务是做一些内部agent工具和平台技术栈（Python＋内部框架）

我头一次听这个问题的时候，寻思，这不简单，现在模型的上下文那么老长，“用向量数据库存历史对话，每次检索相关内容拼进去”，不就得了。然后过年吃饭和一个做算法的同学聊到这里，他告诉我，这样回答根本拿不到分。1.先看GPT咋做的前阵子网上比较火的一个帖子，有开发者通过对话实验，把ChatGPT的记忆机制逆向了出来。结果挺让人意外的，整套系统没有向量数据库，没有RAG，没有 Embedding 召回，甚至连相似度匹配都没做。就是四层纯结构化设计，干干净净。我当时也疑惑：GPT又不算Agent，这个例子能说明什么？你先罚一杯！ChatGPT的确是对话产品，不是严格意义上的Agent。但它的Memory设...