agent不是加分项，是必须项

agent项目是推荐用Python做还是用java的spring AI或者langchain4j做？很多知识星球都是用的java做的，对于面试来说有用吗？

呜呜呜，投的简历全都简历挂，除了腾讯约面（一面挂），其它都不给面试机会，是不是简历出问题了

继续来分享下最近的面经~1.你有做过 agent 的项目吗？2.说说有哪些局限性呢？3.那你觉得用 dify 去做的时候，就是画 agent 的流程的时候，你觉得需要注意到哪些问题吗？4.AI 编排这个系统落地的吗？5.在 Java 里面去怎么对接 MCP 啊？6.你会玩 Python 吗？7.那你爬虫爬什么东西？8.你怎么爬的？9.那你上一段实习为什么只有两个月？10.稍微简单介绍一下自己的情况吧。11.你投我们 AI 技术实习岗位之前是怎么考虑的？未来准备往哪走？12.你什么时候开始接触 AI 这些东西的？13.你未来的职业方向是什么？14.从深层次角度，你觉得什么是 AI Agent？Coze 就是吗？15.自己写了一个类似扣子/Defi 的编排平台吗？16.你觉得 Dify 和 Coze 有啥区别？17.向量化存储和直接存文本，优缺点是什么？向量的代价和收益你有考虑吗？18.你平时用 Linux 开发吗，还是 Windows？19.现在开源软件大多跨平台，你觉得背后原因是什么？20.你项目里提到安全判定，这个是怎么来的？当初为什么要做？21.详细介绍一下安全判定的实现逻辑和思路

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...