Agent面试题

二、Text2SQL 相关技术问题1. 不同数据表量级下，Text2SQL 的技术选型差异是什么？2. 为何要将数据表每一行数据向量化？使用的 Embedding 模型是什么？3. 行级向量化与表元数据（Metadata）检索的优劣对比，为何不直接用 Metadata？4. Text2SQL 业界常用方案、技术框架与难点你了解哪些？三、RAG 相关技术问题1. Jira Agent Rack 项目要解决什么问题？高频查询内容是什么？2. 为何采用关键词+向量混合检索？各自适用场景是什么？3. 结构化数据用固定分块的原因？什么场景不适合固定分块？4. 长文档 RAG 如何分块？标点分块如何解决语义割裂问题？5. RAG 中为何要加**重排（Rerank）**环节？你的项目是否使用？6. 加重排后效果变差的原因是什么？7. 是否做过Query 改写？解决什么问题？如何实现？8. RAG 与小模型微调的适用场景分别是什么？四、Agent 相关技术问题1. 多 Agent 系统采用什么架构？任务如何编排？2. OpenCloud、Perplexity 等 Agent 系统的核心是什么？3. Agent 的短期/长期记忆如何设计、区分与协作？4. Agent 系统相比直接用大模型的优势是什么？5. 用户如何自定义 Agent 与 MCP？流程是什么？整体上就是自己给自己挖坑，很多细节答不上来，面试了差不多50min，面试完感觉被抽干了，像是做了一次小丑，好不容易有次二面，被自己浪费了

1. 自我介绍2. 前期用 Milvus，后期切到 FAISS，可能是什么原因？答案：Milvus 更适合服务化、分布式、多租户、海量向量管理场景，提供索引管理、持久化、过滤查询、集群扩展和运维能力；FAISS 更偏本地高性能向量检索库，轻量、可控、部署简单，适合数据规模没有大到必须上分布式、但对延迟和工程可控性要求比较高的场景。如果项目早期用 Milvus，可能是为了快速验证向量库能力，支持元数据过滤和服务化接口；后期切到 FAISS，可能是因为数据量可控、线上环境更希望减少外部组件依赖，或者 Milvus 的运维成本、资源占用、冷启动、版本兼容不符合需求。FAISS 的优势是本地化部署简单...

被挂了，希望发出来对大家有帮助！1.实习拷打2.展开讲讲你的横向这部分3.然后关于公司自动化工具做成了一个什么样的形式如何使用4.公司agent routermemory部分5.对agent跟我讲了一些最近的进度说你们做的很有意思加油可以沉淀一下做一篇文章挺前沿的

具体岗位名是Product Engineer-产品工程师（AI应用方向）-质效研发，原以为是agent+java，没想到java才是添头...怀疑这个暑期拿不到一个offer了...1.在 agent项目中，最核心的产出或创新性最足的部分是什么？2.能否具体讲讲节点编排是如何实现的？与其他行业框架（如 Coze、Dify）相比有何异同？3.像 Dify 这类开源框架本身也支持定制，你的项目与它们的区别在哪里？4.项目中你认为比较好的设计有哪些？5.是否了解过 LangChain、n8n 等行业产品？简单讲讲 LangChain 的特点。6.对 AI Agent 方面了解多吗？是否使用过 RAG...