minimax大模型agent一面好难

1、为什么决定选用RAG这个技术框架?2、为什么要用向量检索(RAG)?不用其他方式?3、Transformer中Attention的本质是什么?4、SFT的核心流程有哪些，SFT之后常见的Post- Training有哪些?5、如果让你设计一个多轮对话的Agent,你认为纯 Attention结构在处理长时间对话时，会遇到哪些瓶颈?6、什么是RAG，为什么没选向量库?7、现在给你一个RAG系统,你怎么设计一套评估方案来判断它‘好用’?8、你用的切分策略是什么?9、Prompt自动推荐模块用了哪些优化策略?有没有尝试过Prompt压缩或embedding表示的方式?10、在做对齐时，PPO和DPO你更倾向于用哪个? 有什么区别?11、假如一个Agent推理链路包含3个工具+高频请求,系统整体延迟较高,你会如何优化?

1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...

一、团队与工作相关你最近这段实习，开发团队规模大概是怎样的？你在工作里会直接面对客户需求吗？二、DeepResearch 项目细节DeepResearch 项目中，你主要负责哪些模块？项目中为何设计 6 个 Agent？每个 Agent 分别负责什么职责？搜索环节具体如何实现？采用的是 Function Calling、MCP 还是 RAG 方案？联网搜索功能是怎么实现的？该模块是否由你主导开发？共享状态 ResearchState 包含哪些核心字段？区分哪些是全局共享内容，哪些是阶段性产物。工作流 Graph 中，节点之间是如何进行路由调度的？三、技术实现与工程能力你做的步骤级 SSE 推送，和普通 Token 流式输出有什么本质差异？若通信中途断连，系统如何实现恢复？Checkpoint 存储为什么选择 PostgreSQL JSONB，而不使用 Redis 或分表存储？RAG 系统中，chunk size 和 top_k 参数的实验是如何具体设计与开展的？测试数据集主要从哪些渠道获取？测试集的量级大概是多少？多模型选型中，为何选择 DeepSeek 和干问？具体的选型标准是什么？“成本优先” 的选型策略是由谁提出的？四、Agent 架构与策略OnCall 项目中，为何对话场景选用 ReAct 模式，运维场景选用 Plan-Execute-Replan 模式？MCP 具体暴露了哪些工具接口？MCP 调用失败，或模型错误调用工具时，系统是如何处理的？五、记忆与项目复盘多轮记忆体系中，短期记忆具体存储哪些内容？参与过的项目中，有没有你最想重构的部分？原因是什么？平时最常用的 AI Coding 工具是什么？

1. 自我介绍2. 介绍一下你的项目3. Coze 新旧两种编排方式的差异是什么，你在设计节点时怎么取舍拖拽式编排适合流程稳定、路径清晰、节点边界明确的场景，比如固定审批、FAQ 问答、标准化信息抽取。Agent 化编排更适合目标不稳定、路径动态变化、需要中间决策的场景，比如多轮任务执行、复杂信息搜集、跨工具协作。节点设计时不能按功能菜单式地乱拆，而要按状态边界和失败恢复边界去拆。一个节点如果既负责理解问题、又负责查知识、又负责生成结果，那一旦出错很难定位，也很难重试。真正稳的节点应该输入清晰、输出结构化、失败可恢复。4. 你写过哪些 MCP 工具，设计一个 MCP 工具协议时最关键的是什么M...