1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

Timeline2.26 投递3.3 一面3.5 二面3.12 hr面3.17 oc一面 1h15min一面两个面试官，第一次见。。。面试官介绍业务。问了很多agent相关问题。最近有关注业内agent相关的知识或者新闻吗，挑一个说说。（回答了claude code的设计和anthropic的agent相关工程实践，又聊了一下skills）看你之前实习做过MCP相关工作，讲讲为什么当时要用mcp，mcp有哪些好处？你当时接触的这个agent，它是怎么知道某轮tool call之后该不该结束的？如果让你设计一个agent，如果一轮tool call的返回结果非常非常多，你会怎么设计。你说到了让a...