某智驾公司一面-agent实习

Q1：Agent 如何做版本管理与灰度？答案：Prompt/⼯具/schema 版本化；影⼦模式（只记录建议不执⾏）；⾦丝雀 ⽤户群；关键指标对⽐（成功率、成本、违规数）；⼀键回滚。Q2：举⼀个「不是 Agent 但常被误认为 Agent」的例⼦。答案：固定三步的 RAG 流⽔线（query 改写 → 检索 → ⽣成），若⽆ 基于观察的再决策循环，更像Chain；若加⼊ 多轮检索策略与失败分⽀ 则接近 Agent。Q3：你如何向⾮技术经理解释 Agent 的⻛险？答案：⽤ 「能办事的实习⽣」 类⽐：能⼒强但可能 记错、被误导、误操作；所以我们要 权限卡、审批、监控录像（⽇志），重要操作 双⼈复...

感觉面完人都通透了，还是太菜了，下去沉淀一下1.实习拷打2.项目拷打3.如果你要向一个不太理解AI的同事去解释RAG，你会怎么用一个通俗易懂的话语去解释RAG，并说明其核心价值和主要应用场景？4.有没有一种比较通俗的类比，可以让他很快速的去大概理解一下这个东西呢？5.假设你从来没接触过向量数据库。现在有一个项目就需要使用它，你一般会如何快速的去学习和上手呢？6.在一个RAG系统中，用户反馈检索到的文档很多但是回答的质量不好，你会从哪些角度去分析和解决这个问题呢？7.请简单解释一下什么是余弦相似度。在RAG系统中，它通常用来做什么？8.什么是嵌入？在RAG系统中为什么需要将文本转化为向量（嵌入）呢？9.你最近有没有在自己在钻研一些新的方向呢？

1. 自我介绍2. RAG 的检索索引怎么设计？答案：RAG 的检索索引不能只建一个向量字段就结束。实际系统里，我会把索引分成语义索引、关键词索引、结构化索引和权限索引。语义索引用来处理自然语言问题，关键词索引用来处理规则编号、商品编码、报关术语、单据字段名这类精确匹配，结构化索引用来按国家、业务类型、规则版本、生效时间过滤，权限索引用来保证用户只能查自己有权限的数据。文档入库时也要保留足够元数据，比如 doc_id、chunk_id、parent_id、section_path、doc_type、country、effective_date、version、tenant_id。如果没有这些字...

AI作弊真的挺明显的😅 昨晚面试了一个实习生，带着眼镜都反光，我都看到滚动的字幕了😅 要作弊先把自己的眼镜摘下来行吗.... 问项目也得看AI怎么回答的，项目真的是自己的吗？