某小厂Agent面经分享

路过的牛爷爷们来试着答一下吧你理解的 Agent 架构是什么？一个 Agent 系统一般由哪些模块组成？Tool 是怎么设计的？什么样的功能应该做成 Tool？Memory 分几种？Short-term / Long-term memory 怎么实现？Agent 是怎么做任务规划的？是 ReAct 还是 Plan-Execute？多 Agent 协作是怎么做的？你做 RAG 的完整流程是什么？（数据 → 切分 → embedding → 向量库 → 检索 → 重排 → 生成）Chunk 大小怎么确定？为什么？向量召回不准怎么办？如何做 rerank？用什么模型？如何评估 RAG 效果？指标是什么？RAG 和微调怎么取舍？多路召回怎么做？如何降低 RAG 的延迟？如何解决幻觉问题？如何降低模型幻觉？如何让模型输出稳定格式？如何做自动化 Prompt 优化（A/B test / eval）？如果一个 Agent 系统 QPS 很高，你怎么设计架构？向量检索很慢怎么办？LLM 调用很慢怎么办？如何做缓存？如何做降级？如何控制成本？（LLM 很贵）如何设计一个高并发的 RAG 系统架构？业务场景（电商）：让你做一个类似 TikTok Shop / 淘宝 的 AI 导购助手，用户可以对话买东西，你会怎么设计这个系统？在电商 Agent 里，你觉得有哪些工具（Tool）需要提供给 Agent？电商 Agent 的 Memory 应该存什么？如果要做一个“自动运营 Agent”（自动生成活动、改价、发券），怎么设计？电商商品库做 RAG，embedding 用什么字段？用户问“适合送男朋友的礼物”，RAG 怎么做？如何把“推荐系统”和“RAG”结合？如何做个性化 RAG？设计一个电商 AI 导购 Agent，支持：“商品推荐、对话购物、查询订单、售后问题、个性化推荐、高并发”

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...

研一，找到了一个ai公司的java ai coding实习，目前纠结是继续学习转agent开发还是说去实习，边实习边学agent然后暑假投java岗和agent岗，java的实习经历对暑假找agent开发有用吗？还是说all in java，要纠结死了。

让你从变成小白到高手1.Easy-Vibe 适合零基础小白https://github.com/datawhalechina/easy-vibe这个项目专为小白准备，由Datawhale出品的开源教程，使你从“我有一个想法”到“产品真正上线”，给你完整的学习路径，为你的开发保驾护航。并且它是三段式设计：第一阶段：基础工具的使用，首先体验AI编程；第二阶段：前后端交互、数据库等稍微复杂、专业一点的东西；第三阶段：带你做完整的产品，直到上线。每个阶段都有具体的项目供你练手，不会是纸上谈兵。2.AI CODE GUIDE 学习路线图https://github.com/automata/aicode...