联通产互广东offer

做 Agent 只有“写模型”这一条路吗？其实远不止。如果偏技术，可以走 Agent 开发工程师，做多轮对话、工具调用、工作流编排，把模型真正落地成可用系统；如果更偏产品，可以做 Agent 产品经理，思考场景、设计交互，让 AI 真正解决问题；还有数据标注与训练、Prompt 设计、AI 应用开发，这些都是离 Agent 很近的入口。再往外一点，还有运营和解决方案岗位。说白了，Agent 不是一个岗位，而是一条产业链。模型只是起点，真正的价值在“怎么用”。选岗位时不用纠结“是不是最核心”，关键是：你能不能进入这个生态，并持续往里走。

自我介绍实习遇到的难点，是如何克服的有在线上排查的经验吗B 平台 策略模式、工厂模式和模版方法模式是如何运用的，有什么区别阶梯退避轮询中，base 和上限是如何确定的峰值或高频请求时，如何保证 SLAC 系统 Checkpoint 回溯机制是如何实现的；取 Checkpoint 发生在哪些时机A 系统 如何保证事务下，数据库与缓存的一致性详细讲一下分布式随机分片锁八股了解缓存击穿和雪崩吗了解 JVM 内存吗垃圾回收了解过吗AI了解 AI Agent 吗了解 Agent 的上下文窗口吗；上下文超过模型窗口限制，如何处理了解过 Agent 的短期记忆和长期记忆吗算法二叉树的层序遍历 &&a...

1. 实习经历（15 min）2.聊聊你对agent和 workflow 的理解3.介绍一下你了解的 agent 架构4. mcp 与 function call 区别- function call 和 tool call 区别- agent 如何调用工具- 工具调用出现幻觉如何兜底。- 介绍一下工具限流这么做的5. 我们这边在做一个 code agent 如果是你你会如何设计架构-对于代码的检索你有什么好的方法（只答了RAG）-可是RAG只理解语义无法很好检索，还有什么方法（继续答 graph rag，实在不会了）-graph rag 是不是太重了？6.从 RAG 全链路方面详细的介绍一下 你做过的 RAG 项目- 是否测评过 如何测评的- 看你做了 向量缓存，介绍一下如何做的- 如何确保缓存一致性- 线上如何判断 回答应该注入缓存7.是否了解 open claw 你有没有使用过- 为什么没使用过（觉得不安全）- 那你觉得open claw 为什么火，从业务角度说说。8. 平时使用什么AI coding 工具无手撕。反问：1.业务2. 优缺点技术不错，缺少点业务思维，不过对于大学生来说已经不错了，进来工作可以练。

1.平时是否做过 模型微调-聊聊你知道哪些微调手段- lora 需要微调哪些参数2. 是否做过大模型部署- 使用什么框架？-是否了解量化3.说说你对RAG的理解- RAG 检索使用了 稠密检索还是 稀疏检索 二者区别。-是否看好当下的RAG技术，你认为未来RAG会如何发展- 当前 RAG 有什么问题- 你提到 推理能力差，有什么好的解决方法- 当前 比较流行的 agentic RAG self-rag graph rag 都分别是干什么的-（面试官回，不看好rag，未来是长上下文时代）聊天：1.再次重申了一下业务，我看你经历更多偏做 agent相关，我们组更偏做测试以及运营，以及线上维稳，可能一面面试官没和你说明白，你是否还愿意来（拒绝了）2.开始就未来AI发展以及自身简历展开讨论（面试官超赞）-20min