最近把自己做的 Super Agent 开源了，一个 Java 技术栈的企业级 AI 智能体平台，分享一下做这个项目过程中的思考。GitHub地址链接：https://github.com/java-up-up/super-agent先说说这个项目解决了什么问题面试被问 RAG、Agent、MCP 的时候，大多数人能说出概念，但一追问细节就卡住了。原因很简单——大家学 AI 的方式基本是跟着教程调 API，跑通一个 Demo 就觉得会了。但 Demo 和能上线的系统之间，差的不是代码量，是对每个环节的深入理解。Super Agent 就是把这些"真正会遇到的问题"都实现了一...

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

听取了大家的建议 p1是现在改过的 p2是原来的 p3是最新的 改了字体  各位还有没有什么好的建议

Q1：请⽤你⾃⼰的话定义 LLM Agent，并说明与单次调⽤的差异。答案：LLM Agent 是以⼤语⾔模型为推理核⼼，在 多轮 中与外部环境交互，通过 规划、记忆与⼯具 完成复杂任务的系统。与单次调⽤的差异在于：单次调⽤是 开环⽣成；Agent 是 闭环决策，每步可依据⼯具返回更新状态，直到终⽌条件。追问：若没有外部⼯具，还能叫 Agent 吗？答案：可称为「弱环境」Agent，仅有对话记忆与推理；但仍可有内环多步 CoT 与⾃我验证。⾯试中强调是否存在「⾏动—观察」循环更清晰。Q2：Agent 的记忆⼀般怎么设计？答案：分层设计最常⻅：⼯作记忆（当前轨迹与关键结论）+ 会话记忆（摘要滚动...