前面基本上都在问论文 无手撕1. 自我介绍2. 介绍下简历上这个项目3. 你对对话 LLM 的理解是什么？它和普通文本生成模型的核心区别是什么？答案：对话 LLM 不是简单地做 next token prediction，它要在多轮交互里持续维护用户意图、对话状态、约束条件和安全边界。普通生成模型更关注单次输入到输出的流畅性，对话模型还要考虑上下文一致性、角色一致性、拒答策略、澄清提问以及工具调用。它的核心难点在于“历史信息并不等价于有效状态”。用户前面说过的内容，有的仍然有效，有的已经被修正，有的是噪声。对话 LLM 必须学会根据当前轮次重新解释历史，而不是把所有历史机械拼接进去。工程上通常...

还能这样？直接把面试取消了。为啥呀

小米oc了，但是在犹豫去不去。如果接受的话，小米正职待遇太差了，而且也不是互联网大厂，不确定这段经历对于秋招的背书有多大。算上餐补实习薪资5100，感觉太低了，并且岗位是中台开发，会干一些杂活，而且没有专门的mentor，和纯后端有一定区别。但是如果不接受的话，害怕接下来找不到好的offer，暑期0offer。图一是我简历上的项目和所学知识，图二是JD。实习的岗位不垂直，对秋招帮助大吗，该不该去，去了之后能胜任任务吗？

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...