1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

二本的结局就是铁人三项嘛

绷不住了

2026年招聘最多的就是AI工程师，面试问的最多的也是“AI相关”； 91% 的公司用 AI 筛简历，85% 的简历都提到了 AI。但问题是：大部分人写的 AI 能力，机器看了没用，人看了也没用。 来看看你的简历在哪个段位👇： 青铜段位：列工具名（0分）  技能：熟练使用 ChatGPT、Cursor、Midjourney  这等于在说"我会上网"。面试官每天看 50 份简历，30 份都这么写。工具名不是能力，使用场景才是。 白银段位：写了使用场景（60分）  使用 Claude API 进行代码 Review，辅助日常开发  比青铜好一点，至少知道用在哪了。但还是没有说...