现在天天都使用ai了

26届双非本，由于一开始的项目和实习做得很杂，涉及C++/golang/python，意向golang后端开发或agent相关，或者c++相关的岗位，每次面试都很焦虑，需要背的语言八股太多了，有时候还容易搞混

自我介绍是没有的一上来先问实习中的难点然后问了下项目中怎么用aop的，如何考虑性能后面全是开放性问题：从0到1学习一门技能的过程，什么动力促使你学习它的，有没有遇到过不配合工作的同事，如何确定某个技术是否适合这个场景最后给了个ai coding我真不行了

如果在面试中遇到不会的问题，我不会直接说“不会”然后结束，而是采取一种结构化的应对方式来体现自己的分析能力和工程思维：首先我会先复述问题，确认自己理解是否正确，同时尝试从已知知识出发进行拆解，比如这个问题属于哪个领域（并发、数据库、系统设计等），有没有相似的问题或模型可以类比；如果能想到部分思路，我会把自己的推理过程说出来，即使不能给出完整答案，也尽量展示“我是如何逼近答案的”，例如先给出一个基础方案，再分析它的不足和可能的优化方向；如果确实完全没有思路，我会坦诚说明这一点，但不会停在这里，而是会补充我会如何在实际工作中解决，比如查官方文档、阅读源码、定位关键模块、或者通过日志与实验验证问题，并且可以简单给出一个可能的学习路径；最后我通常会主动做一个收束，比如总结这个问题背后考察的核心能力（例如并发控制、系统设计权衡等），表明自己虽然当前没有完全掌握，但具备快速补齐的能力，这样可以把“不会”转化为“有潜力、有方法论”的信号。

1. Agent 的架构设计一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是“能不能想”，而是“想完之后能不能稳定执行”。2. RAG 的检索如何实现RAG ...