1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

我是犯天条了吗？大佬们

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...