求职、全栈开发、前端、AI Agent

1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

1. 实习经历（15 min）2.聊聊你对agent和 workflow 的理解3.介绍一下你了解的 agent 架构4. mcp 与 function call 区别- function call 和 tool call 区别- agent 如何调用工具- 工具调用出现幻觉如何兜底。- 介绍一下工具限流这么做的5. 我们这边在做一个 code agent 如果是你你会如何设计架构-对于代码的检索你有什么好的方法（只答了RAG）-可是RAG只理解语义无法很好检索，还有什么方法（继续答 graph rag，实在不会了）-graph rag 是不是太重了？6.从 RAG 全链路方面详细的介绍一下 你做过的 RAG 项目- 是否测评过 如何测评的- 看你做了 向量缓存，介绍一下如何做的- 如何确保缓存一致性- 线上如何判断 回答应该注入缓存7.是否了解 open claw 你有没有使用过- 为什么没使用过（觉得不安全）- 那你觉得open claw 为什么火，从业务角度说说。8. 平时使用什么AI coding 工具无手撕。反问：1.业务2. 优缺点技术不错，缺少点业务思维，不过对于大学生来说已经不错了，进来工作可以练。

字节跳动，某 AI 平台组二面。面试官给了一个真实场景：客服系统每天处理上万条工单，团队想用 AI 接管一部分。候选人答了十分钟，核心观点是"agent 更智能，应该直接上 agent"。面试官追了一句："你的 agent 调试周期是多久？如果工单处理延迟翻倍，业务能接受吗？"  这道题看似在问技术选型，实际在考判断力：你有没有能力在"能做"和"该做"之间划线。  二、大多数人怎么答的 最常见的回答是："这个任务有多个步骤，需要调 API、查数据库、做判断，肯定得用 agent。" 问题出在一个...

幸亏看到这个帖子