优先Agent开发

1、自我介绍2、项目介绍3、离线数据处理咋做的离线数据处理我一般会按“采集、清洗、标准化、切分、标注、校验、入库”这条链路来做。先把多来源数据接进来，比如文档、表格、对话日志、接口结果、历史工单，然后做编码统一、去重、去噪、脏字段修复和无效样本过滤。对于文本类数据，还要做特殊符号清理、HTML 去标签、分段切分、敏感信息脱敏和元信息补全。如果是训练数据，还会进一步做 schema 对齐，比如统一成 instruction / input / output，或者统一成多轮消息格式 messages=[{role, content}]。如果是 RAG 知识数据，就会做 chunk 切分、标题挂载、...

继续来分享下之前的面经~欢迎友好讨论，信息共享1.项目深挖2.设计一个多Agent协作系统(例如:一个Agent负责查询天气，一个Agent负责规划行程，如何协作?)3.如何设计一个高可用的Agent服务?需要考虑哪些容错机制?4.如何评估一个AIAgent的性能?你会关注哪些指标?5.在美的的业务场景中(如智能客服、知识库问答)，如何保证Agent回答的准确性和安全性?6.如果Agent调用外部API失败，你的重试策略是什么?7.如何对Agent进行版本管理和灰度发布?8.你如何理解"具身智能"(EmbodiedAI)?9.手写算法:实现一个简单的任务规划算法

AI与八股 "介绍一下AI的技术理解" 回答要点：  Skill概念：技能说明书，渐进式加载，更精确 MCP vs Function Calling：MCP是统一标准，Function Calling需自定义 Transformer：QKV注意力机制，编码器理解语义，解码器生成文本  "对RAG的向量库有了解吗？" 回答要点：  PGVector：项目中使用，500万以下数据，开发友好 Milvus：专业开源向量库，支持分布式 作用：向量存储，权重分配，精准定位知识  "怎么把文档转换成向量库？" 回答要点：  文档预处理：加载、转换...

rt 不知道是真的假的丁老板 太难绷了