一、三面（30min）针对实习经历接着询问学过Go语言吗？能实习多久？最早什么时候能到岗？有没有留用诉求？ 反问咱们部门和Agent相关的核心业务、具体落地场景有哪些？和剪映核心能力是怎么结合的？咱们团队当前在Agent业务上，最核心的业务难点/待突破的方向是什么？团队内的同学在做业务遇到技术卡点时，通常会通过哪些渠道寻找解决方案、激发技术灵感？咱们部门有没有和AI相关的核心业务指标，比如AI贡献率、代码出码率这类量化要求？如果我有幸入职，团队对新人前1-3个月的培养路径与核心产出要求，有没有明确的规划？二、HR面面试题（一）个人基本情况与实习稳定性考察你是哪里人？对面试岗位的base地是否有...

目前0大厂面试睡觉前看了会八股还有牛客感觉自己太菜了一不小心熬穿了，天都亮了

28届985本，科班，一直走的是本科就业的路子，学习Go后端，曾经还因为周围人卷保研而自己早已踏上了“正确的道路”而沾沾自喜。现在大二下，工程和算法能力还可以，但保研基本无望，也不想考研。愈发觉得自己所谓“正确的道路”可能并不是多么明智，AI以惊人的速度进化，一年之后或者两年之后，后端还存在吗？大部分的工作是否都和AI算法之类的强相关呢，但这又是一个需要研究生以上学历、需要卷论文的方向，本科就业者基本碰不到。自己的本科学历会不会在后端工作一两年就被“降本增效”了，或者是到了大三大四根本找不到对口的工作了？抱歉，可能我有点想到哪说到哪了，我不知道自己是不是在杞人忧天，现在有点迷茫，希望各位已经进入业界的大佬能够给我指条明路，谢谢！

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 ...