宇树科技实习AI agent开发一面分享

听说部分互联网厂的员工在工位上猝死可得5倍年薪赔偿？ 我发现互联网还有献祭流这种玩法啊。假如生命只剩5小时，我建议4个小陪伴父母，半小时自己去买点好吃的，剩下半小时直接打开mac开始办公。来吧，互联网职业生涯的最后一舞！ 互联网这个版本的强度还是太超标了啊！ 至于为什么会猝死你别管。#牛客AI配图神器#

从我春招投 agent 的经验来看，agent 基本是 用 py，很少用 java 的，java 局限性很大。包括我现在实习也是这种感受，langgraph 这些，用 java 写会很难受。而且 py 的第三方库是非常丰富的，比如语音识别，py 的 ai 生态更丰富。那 java 后端是不是可以直接丢了呢，那绝对不是的，后端是 agent 的基石。你写 agent 大多数情况下是要对接后端系统的。那么 agent 的 技术栈大概需要哪些呢，以我目前用到的，大概有这些：简单的面试：fastapi,langchain进阶：langgraph，模型部署还有 RAG 的那些东西一定要会，不要用其他东西去代替向量数据库，也不要用什么 chroma 这种玩具，直接用 qdrant 去写 RAG 项目就行了。反正 RAG 是非常重要的，面试难点亮点可以从这里来

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...

本人简历上 1 个 RAG 项目 + 1 个 Agent demo；这次面的是AI岗一面前我以为：背完八股 + 把项目讲清楚，应该能稳过。0-5 min：自我介绍 + 项目背景- 顺利。讲清楚了我的 RAG 是给法律咨询场景做的，痛点是大模型不懂行业术语。5-20 min：项目深挖（开始崩）- Q1：你的法律文档总共多少？切了多少个 chunk？- 我：约 500 份 PDF，5 万个 chunk- Q2：500 份 PDF 加起来才 5 万 chunk？平均每份 100 个 chunk，你切片粒度是多少？- 我：512 token- Q3：法律文档里"第三条第二款"和"第三条之二"是不同含义，你的切片会不会把它切散？- 我：（沉默 5 秒）……应该会- Q4：那你怎么解决？- 我：我可以加一个 metadata……（开始编）❌ 第一次崩：切片粒度没考虑业务语义。20-35 min：评测体系（继续崩）- Q：你怎么知道你的 RAG 有效？- 我：我用 Recall@5……- Q：评测集多少条？怎么构造的？- 我：100 条，我手工标注的- Q：100 条够吗？分布怎么样？- 我：分布……我没分- Q：那你的 Recall@5 是 0.81，你怎么知道这个数字是好是坏？baseline 是什么？- 我：（沉默 10 秒）❌ 第二次崩：没有 baseline，没分布分析，纯靠"看起来还行"。35-55 min：Agent 部分（彻底崩）- Q：你的 Agent demo 用了几个工具？- 我：3 个，搜索、计算器、文档查询- Q：当用户问一个问题，你的 Agent 怎么决定调哪个工具？- 我：用 ReAct，让模型自己决定- Q：模型决策错了怎么办？- 我：我加了个 reflection……- Q：reflection 失败 3 次后怎么处理？- 我：（沉默 15 秒）……我没想过❌ 第三次崩：异常路径完全没设计。55-65 min：业务理解 + 反问- Q：你觉得字节做 AI 应用最大的瓶颈是什么？- 我：算力？数据？- Q：你看过哪些字节最近发的 AI 产品？- 我：豆包、扣子……- Q：扣子是 Agent 平台还是工作流平台？- 我：（再次沉默）❌ 第四次崩：对面试公司业务一无所知。