简历上的AI项目，面试官到底想看什么？

本人是大一下开始做的简历，大二上经历了一次小厂拷打(其实是大二约不到，包装大四立马约到了一次)大二下开学也继续迭代简历，三四月份约了三四个面试，终于在第三次第四次成功拿到人生两个offer(小厂小厂)，因为我实验室师兄都是大二实习的，所以我也想像他们一样优秀。但是最近前端这形式，我甚至后悔为什么不大一开始实习，但是个人觉得大二其实就可以开始了，如果你很强的话大一也可以提前去试试企业的套路，多多经历，接触社会的拷打哈哈

1. Agent 的架构设计一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是“能不能想”，而是“想完之后能不能稳定执行”。2. RAG 的检索如何实现RAG ...

面试时间：3.30上午11点面试时长：1h5min部门：到家的搜索工程组？（没听清）自我介绍1、完整讲一下你的 RAG 项目（离线 + 在线 + 架构）2、重叠大小分块是自己做的吗？还是用的什么工具？3、向量化用的模型是什么，还记得吗？然后这个模型是你自己部署的吗？还是调的LLM接口？4、专门做过什么策略来提升召回率和准确率？如何评测召回率和准确率，有没有做过数字化的评估？5、如果说你的 embedding 质量比较高的话，那这个评测确实没有问题，但如果说就是向量化的效果没那么好的话，那这个方案好像也并不是很行得通，因为它可能生成向量的时候就会有问题，这个有考虑过吗？然后你有没有想办法去……（接着面试官说，算了不问了）6、关键字检索是怎么做的？7、你可以说一下在线的部分，就是用户从一个请求，到它最终拿到结果的一个过程？8、你刚才说意图节点，也就是意图识别的时候去识别它关联的那个叶子节点，我想问一下你这块是怎么实现的？9、你刚才说首先有多路召回，多路检索，然后每一路检索里面会有一个粗排，然后这些结果拿到之后可能还会有一个细排。然后想问一下你这两个排序大概都是怎么做的？然后如果是用模型排的话，你这分别是用什么模型？然后你知道这些模型的检索排序的原理吗？10、重排序用的什么模型？11、你可以再总结一下，就是从你这个离线到在线的过程中有多少次和大模型的交互吗？分别简述一下。12、我看你这个里面会有那个模型的，多模型的降级策略和熔断机制，你可以简单说一下，你现在是有哪几个模型之间可以降级？然后以及是怎么实现的？13、你这个降级是手动降级吗？还是自动降级？14、那这个自动降级是怎么感知的？比如说从模型里是刚才三个状态，它们三个状态之间流转是什么样子的？就什么情况下就把它变为异常了？然后什么情况下会让它自动恢复正常？还是就是怎么做的这块？15、看你这个里面还支持了那个 MCP 的工具调用，然后你可以说一下你现在支持哪些那个MCP，然后以及这些 MCP 是怎么和模型交互，然后大概的实现原理吗？（这一部分不太会，就扯到MCP与function calling的区别了）16、那function calling的话是怎么调呢？是 RPC调还是HTTP调？还是怎么调用的？17、看你这边那个会话，大概是怎么存储的？可以说一下吗？18、然后就是你这个会话就是大概是一个什么样的存储结构呢？可以说一下这个 MySQL表的存储的结构，就是哪几个关键字段？19、就比如说一个用户可能在一个会话里面和模型会有多轮的这种对话。就比如说问了一个问题，模型回答一次，然后我再问一个问题，他再回答一次，再问，再回答。这样的结构在数据库里面是怎么存的？是一条还是多条？20、然后就是你这个 message 表大概是一个什么结构？就是有哪几个关键字段？21、看你这个里面用到了那个Redis，然后你可以解释一下那个 Redis 的缓存穿透、缓存击穿以及缓存雪崩吗？以及具体解决思路？22、然后那个布隆过滤器，你可以说一下布隆过滤器的实现原理吗？算法题：合并区间23、然后我们谈一下，就是之前就是那个AI coding的那个面试题，然后你可以简单说一下你这边实现的思路吗？（这个是美团面试前发的AI Coding的题目，让设计一个限流中间件）24、我再问一下，就是你认为它的这个Lua脚本能满足那个需求吗？(要求同一个用户60秒内只能发送60个请求)这里面试官理解的是滑动的时间窗口，但是我实现的是固定的时间窗口，题目中只说了“时间窗口”，然后面试官就说你这个实现好像也没有问题。反问1、业务2、具体工作3、建议做项目其实可以更深入一点，而不是说只是作为一个 API 的调用方，就比如说这些模型，因为其实我们日常就是也会和这些模型交互之类的，你除了知道调它这个API，你可能需要更多的去了解一下，就是我为什么要这么设计，然后以及我这个模型具体能做什么东西，它大概是怎么实现的，有了这些可能对你未来会更有帮助，然后职业生涯可能更具有那个什么。（录音没录到，估计是想表达“更具有竞争力”这个意思吧）感受：面试官问的很细，能感觉出来面试官真的很专业，但是自己对于大模型相关底层原理的理解显然不够深入，MCP具体的工具调用也没来得及研究，属于半吊子水平也是第一次拿RAG项目来面试，这个面试官真的让我学到了很多，也让我知道了自己诸多的不足以及还需要提升的地方。整体面试体验感很好，面试官也不会特意刁难，我表达的很含糊的地方或者不会的地方，就是一句“行”帮我带过，感谢面试官现在还没消息，大概率是寄了，下去好好沉淀了二编：4.1晚上6点约二面。

行业垂直 Agent（差异化优势，简历亮点）推荐 GitHub 项目：Hermes Agent（star 59k+）：带长期记忆的个人 Agent，支持邮件 / 日程 / 信息检索，可二次开发为行业助手。地址：https://github.com/nousresearch/hermesDify（star 12k+）：零代码 AI 工作流，快速搭建垂直 Agent（如教育答疑、电商导购），支持 API 集成。地址：https://github.com/langgenius/difypy-jrag：模块化 Agentic RAG，支持多智能体协作、流式响应，适合进阶开发行业问答 Agent。地址：...