Agent 与大模型开发相关详细展开复杂任务编排能力，具体是解决什么问题，做了一些什么工作？在什么场景下适合用简单的 Agent 去解决问题，什么场景下适合在 Agent 内部做复杂的链路编排？在复杂的 Agent 编排中，如何控制传递的上下文内容，保证既传递了有效信息，又不会因为传递过多而干扰大模型的注意力？Plan-Execute-Replan 模式相当于一个循环，如果问题一直不能解决，它会陷入死循环一直迭代吗？在实际使用中，有没有遇到过上下文窗口被撑爆（溢出）的情况？你是如何管理上下文窗口的？RAG 召回的内容和 Agent 提取的长期记忆（Memory）之间需要做什么划分？什么样的内容...

那可真是太遗憾了，你们就继续把流程卡在简历初筛吧，继续给我发测评和笔试之后把我挂掉吧（大部分甚至连感谢信都没有😁），我填网申一点都不累，做测评和笔试一点都不辛苦

现在也太难了吧🥲，实习好难找，佬们拷打一下简历

这个面经是群里 小伙伴分享的 社招, 2年的工作经验 双非本9硕 将近40分钟都在问项目细节 项目这里我全部砍掉了1. 自我介绍2. 大模型在推理时通常分哪两个阶段，每个阶段关注点是什么一般分成 prefill 和 decode 两个阶段。prefill 阶段主要是把输入 prompt 一次性编码进去，重点看吞吐、并行效率和长序列的计算开销；decode 阶段是逐 token 生成，重点看单步延迟、KV Cache 复用和 batch 调度效率。很多线上推理慢，不是模型本身慢，而是 prefill 太重或者 decode 阶段调度策略不合理。理解这两个阶段，才能知道为什么有些优化只对长输入有效...