求agent开发八股资料

八股原理 1. 请介绍 Transformer 的结构组成及各部分作用2. 如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？3. LoRA 微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？4. KV Cache 是什么？为什么能极大地提升推理速度？5. RAG 完整流程，构建向量检索库时如何处理时间衰减对召回的影响？6. 微调时的训练数据是怎么构建的？如何保证样本多样性和质量？7. 在 RAG+知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？如何保证实时性？8. 训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？9. 在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？10. 大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？11. 如果在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？代码题12. LeetCode 15 三数之和

先说说我自己 👇双一流大学27届计算机学生，暑期实习中。本来立志成为一名Java后端仔，被八股文折磨到死去活来之际，HashMap背了三遍、设计模式默了两周。结果阴差阳错转了AI应用方向，没想到竟然还拿到了阿里淘天的offer！说实话，拿到offer那天我自己都懵了，毕竟转方向不到半年，底气并不足现在入职刚满1个月，工位还没坐热，感受倒是挺真实的。趁还记得，赶紧写下来分享给大家 👇---为什么选择转AI方向？说实话，不完全是情怀。刚开始转的时候也很迷茫，不知道方向对不对，不知道竞争大不大。但想清楚之后，觉得这个方向值得赌一把：• 新兴方向，内卷程度比传统后端低很多• 市场需求真实存在，不是...

现在正值暑期实习投递热潮，但是本人刚刚决定选择agent开发赛道，没有相关项目，也没背过相关八股，十分焦虑。。之前打算选Java后端，跟着黑马学了一点内容，八股相关内容看了一些，没怎么背，不过知道主要有哪些模块内容（spring框架、数据库MySQL、Redis、微服务等等什么的，属于都大概看了一些，但没开始正经去背），然后从师兄和牛客的一些帖子里感觉传统后端现在很卷而且岗位也在缩减，所以选择agent开发。去年年底也是跟着做了一个黑马的langchain4j的一个项目（但是内容很少，项目感觉太小了），但对这个方向应该去看哪些内容和做什么项目还是不太清楚，但是因为是研究生，所以对llm还是有些许了解（transformer的底层原理，SDPA，moe和一些linear attn等杂七杂八的之前做实验什么的都有过了解，但对于真正用于公司内的一些技术栈不是很了解，根据这两天看别的牛油的面经，RAG，toolcalling等高频概念去了解了一些），现在主要是想做一个能用来找实习的项目和去学习一些相关的八股，希望大家能给点意见，推荐一些合适的项目和相关的学习网站、博主什么的，谢谢大伙。（想到啥写啥，写的有点乱，见谅

最近 AI 圈最热的莫过于“养小龙虾（OpenClaw）”了，甚至不少人为了能够用上小龙虾，在腾讯大厦楼下排起了长队，等待腾讯工程师帮忙部署。为什么一个开源项目能引发如此规模的线下活动？因为大家发现，OpenClaw 并不是又一个只会『陪聊』的窗口，它是一个真正的『数字员工』。当你对它说“分析一下本地销售数据并把总结发给主管”时，它能自主翻找你电脑里的文件、运行统计脚本、最后登录你的企业飞书发出消息。这种从动口到动手的质变，源于它将原本封闭的大模型接入了现实世界。而支撑这种跨维度操作的核心技术，正是我们今天要介绍的 Function Calling（工具调用）。一. 痛点：为什么需要 Func...