一、核心项目深挖（一）AI Agent系统项目请详细介绍一下这个系统项目，包括项目背景、你的核心职责、落地成果。请解释系统的主从Agent架构设计，主Agent和从Agent分别承担什么职责？从Agent的数量是怎么确定的？如何解决多个从Agent重复探索的问题？请解释MCP和Tool Calling的区别是什么？Skill和固定的Workflow有什么区别？你们是怎么选择和平衡的？你们是怎么实现过往Agent经验的复用和Memory优化的？（二）Next.js电商项目请详细介绍一下这个电商项目，包括你的核心工作、遇到的技术难点和解决方案。二、前端基础能力考察请解释CSR、SSR、SSG分别是...

1. 介绍下你实习学了什么 做过什么项目,为什么离职的2. MoE 为什么能在参数量很大的情况下还能把训练和推理成本压住，真正难点在哪MoE 的关键不是“参数变多了”，而是“每个 token 只激活一部分参数”。也就是说总参数量可以做得很大，但单次前向只走少数几个 expert，所以理论上计算量不会随着总参数线性增长。这个思路在大模型里很有吸引力，因为可以同时兼顾容量和成本。但真正难的地方是路由和负载均衡。路由器如果只偏爱少数 expert，训练会很不稳定，热门 expert 被打爆，冷门 expert 学不到东西。另一个难点是通信开销，尤其多机训练时，token dispatch 和 gat...