求助offer选择~~

除了问部门的业务，技术栈，工作地点。还能问啥。尤其是有的时候，面试一上来，面试官就主动介绍部门情况。反问的时候找不到问题问了

看了小红书还有牛客上的一些面经，发现好多标题某某大厂的大模型应用开发的面试题全是考的算法相关的，这是真的吗？我也有过一两段agent的实习经历，我觉得agent开发更多的是偏向工程，想问一下面试过的师兄师姐真实的情况到底是怎么样的

我从9月份开始接触力扣，是跟随代码随想录刷一步步刷的，刚开始使用Python把随想录里面的每一道题刷了一遍后，发现Python语言节省了很多代码细节和步骤，后面又改用c++刷题，刷到大概80题以后，在这期间，我一边借助AI帮助我理解语法，debug代码，比如chatgpt,Gemini等，一边刷，差不多把随想录的题型过了一轮，我的感觉是迷迷糊糊的，简单题还是没思路，中等题那就更加了，那时候就开始怀疑自己了，但是还是坚持刷到了120题左右，这个时候终于有一点眉目了。我对于简单题有了自己的想法，虽然写出来还是磕磕碰碰的，但起码肚子有点墨水，中等题勉勉强强有思路，在这刷题过程中，最大的困难就是遗忘，刷了又忘，有时候就连很简单的题型只要你很久没二刷三刷，你可能都会忘记基本语法，忘记思路，有时候我都开始怀疑自己是在背题，而不是真正的理解，我也逐渐意识到了自己或许在算法方面没有任何天赋，纯靠记忆和努力，因为有时候做过好几次的题，重新回来做，又会遗忘。现在我算法已经刷到了160题左右，给我的感觉还是觉得自己依旧非常非常菜，碰到没遇到过的题型无论多简单，都不能自己独立做出来，得依靠AI才有能力写一写，中等题也是得依旧外力，这或许就是像我这样的普通人才会有这种情况吧，每次都怀疑自己。像网上三个月速成算法拿下各种国奖省奖或许是卖课的，又或许是真正的天赋者，但是对于我这种普通人来说，可望而不可及，但今后我依旧会坚持每天做一两道题。最后，我的最大感悟就是算法真的容易遗忘，即使你记得流程，但是有一些细节终究无法记得很牢。

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...