1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

从一月中到现在，最大的感悟是累、其次是不要怀疑自己

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

🕐面试时间：30min❓面试问题：自我介绍拷打agent项目你如何理解mcp，mcp对function call有哪些好处mcp端有个db，你如何保证agent对mcp的调用不会对db或其他的组件造成影响，比如删除db的某些东西你对rag的了解如何对rag进行精确度的提高react范式执行，如果超出了最大步骤限制，会返回什么对第二个项目的拷打你用到了session来做登陆态的管理，为什么不用jwt，有什么考虑吗为什么要用redis和caffine的架构，对你的系统有什么好处用久了会不会出现脏数据的情况🙌面试感想：妥妥kpi了，不开摄像头，0八股，0算法，按照你的简历从头问到底，感觉差不多到...