数坤Agent一面

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 拷打实习2. 并发搜索场景下，主线程起了多个子线程后，怎么和它们通信以知道任务全都做完了？3. 为了提速引入了 Kafka，但 Kafka 本身是异步组件，会不会反而导致任务流转变得更慢？4. 流量变大后，每个任务拆解并发大量消息，Kafka 会不会变成系统的性能瓶颈？（答了限流桶策略、结合业务使用频次限制）5. 扫表和用消息中间件（如 Kafka 双 Topic）管理长时任务状态，各自的优缺点是啥？6. 详细介绍一下你项目里的多智能体协同策略，三层 Agent（Root、Main/Fallback、Sub-Agent）是怎么互相配合流转的？7. 如果主 Agent 决定越过第二层直接调底层的子 Agent，上下文信息是怎么跨层传过去的？（答了通过解析 JSON 传递意图，并共用主线程/连接）8. 补充检索是如何评估数据质量并触发的？你怎么保证二次检索能搜到之前没搜到的内容？9. 怎么避免大模型检索到网上被 AI 批量生成的虚假垃圾数据（防止 GU 投毒）？10. 短期对话记忆和长期记忆分别是怎么提取和存储的？11. 怎么判断当前用户的提问需不需要去 RAG 里检索长期记忆？12. 为什么底层选用了 pgvector 做向量数据库，而不是其他的？13. 为什么在向量检索的基础上还要加 BM25 精确检索？具体解决了什么 bad case？14. 重排序（Rerank）是怎么做的？有没有设置低分阈值做提前过滤操作？15. 传统 CNN 有什么痛点？ResNet 让你印象深刻的核心思想是什么？16. 介绍你最近读过的五篇论文17. 平时拿到一个项目任务，你用 AI 辅助编程的工作流是怎么拆解的？18. 你的AIcoding提示词策略是怎么操作的？人工一般在哪个环节介入审核？

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

个人情况 27届硕士ai毕业生，目前手握两个实习offer，纠结该选哪个，想听听牛友们的建议～🙏Offer详情1. GE医疗（GE Healthcare）• 岗位：AI相关功能开发（CT核心部门）• 地点：北京• 实习时长：12周（6月-8月）• 转正情况：有转正名额• 实习薪资：180元/天• 转正薪资：HR说年包大概30w• 面试体验：技术面1小时，问得不深，已拿offer2. 华为（Huawei）• 岗位：AI模型工程师-端侧大模型（计算产品线）• 地点：上海• 实习时长：不固定（可能较长）• 转正情况：明确无转正名额• 实习薪资：9k + 2k• 转正薪资：看秋招定级• 面试体验：笔试+技术面，已拿offer纠结的点1. GE有转正，外企；华为无2. 行业赛道：医疗AI 但内容不确定 vs 方向不固定内容不确定。想听听大家的建议• 从技术成长和行业前景看，哪个方向更值得深耕？• 如果目标是秋招进大厂，哪个实习经历更有帮助？• 有没有了解这两家公司内部情况的大佬，透露下实际工作强度和技术氛围？真心求建议，欢迎任何角度分析～回复时麻烦说下理由，感谢！🙇‍♂️

本人985本硕，软件工程专业，研究方向是工业软件、计算几何、网格生成优化。目前找互联网暑期实习0offer，现在又受ai冲击好大，不知道以后哪个方向会好一点，好焦虑好迷茫，在纠结要不要去搞工业软件，还是考公考央国企呢，各位互联网家人给点建议吧