万德基金

现在的AI Agent 工程师 = 后端工程能力 + RAG + Prompt + Agent 架构 + 业务理解AI大大提效了代码能力，最重要的就是业务场景、设计理解等综合素质了最近的面试比较高频问了这些问题，也和大家分享一下1、Agent系统设计（偏场景理解）Q：让你设计一个学习助手 Agent，支持答疑、推荐学习路径、做题讲解，你会怎么设计整个系统架构？考察：Agent 架构 + RAG + Prompt + 工程2、RAG深挖Q：如果你的 RAG 系统召回不准，你可以从哪些方面优化？考察：chunk、embedding、召回策略、rerank、query rewrite、多路召回、知识库质量3、工程相关Q：如果大模型接口延迟 5 秒，你的系统怎么保证用户体验？考察：缓存、流式输出、异步、任务队列、降级策略、本地小模型希望对大家找Agent工作有所帮助！

1. 你怎么理解 Agent，和普通大模型问答最大的区别是什么？答：普通大模型问答更像是“你问我答”，核心是根据上下文生成一段自然语言。Agent 不一样，它更像一个会做事的系统，除了生成文字，还要能理解任务、拆解步骤、调用工具、读外部信息、根据执行结果继续往下走。所以 Agent 的重点不是“模型会不会说”，而是“模型能不能在复杂任务里做对决策”。比如普通问答模型适合解释概念，Agent 更适合处理像“帮我查一下某个信息，再结合文档输出结论，最后按固定格式返回”这种任务。如果放到手机或系统场景里，Agent 往往还要接系统能力、应用能力和设备能力，这就不再只是聊天了。2. 你如果做一个手机端...

#第一份工作应该只看薪资吗##第一份工作一定要去大厂吗##AI面会问哪些问题？#

1. 请做一个简短的自我介绍2. 在你的项目里，挑一个技术难度大点介绍一下3. 你平时工作中用过哪些 AI 编程工具4. 对 Python 掌握如何？在你的实际使用里主要承担什么角色5. 对协程了解吗如果面试官保留“协程”这个点，其实完全可以只从 Python 角度展开。你可以说协程适合 I/O 密集场景，比如异步调用多个外部工具、并发请求检索服务、批量处理模型请求、流式返回等。协程不是让 CPU 计算变快，而是提高等待 I/O 时的资源利用率。在 Agent 场景里，协程比较适合做并发检索、多工具并发探测、异步日志上报、流式 token 处理这些事情。如果继续深入，可以提一下 asyncio...