1. 自我介绍2. 项目拷打3. 如果让你从 0 到 1 设计一个生产级 AI Agent 系统，核心架构怎么拆？生产级 AI Agent 系统一般拆成接入层、编排层、模型层、记忆层、工具层、知识层、状态层、观测层和安全层。接入层负责用户请求接入、鉴权、限流和会话管理。编排层负责意图识别、任务拆解、路由不同执行链路。模型层负责推理、规划、总结和结构化输出。记忆层负责短期会话记忆和长期用户记忆。工具层负责调用搜索、数据库、工单、日志、订单、风控等外部系统。知识层负责 RAG 检索、重排、知识库版本管理和权限隔离。状态层负责维护任务状态机、步骤执行记录、幂等控制和失败恢复。观测层负责 tracin...

无实习加一般学历，求简历拷打

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...