介绍一下我们最近在做的项目

上一篇发出来之后，私信和评论里问得最多的就是："有没有具体项目可以参考"，现在四个方向各挑了一个GitHub 高质量开源项目供大家参考。AI Coding：Aider44k+ stars，Apache 2.0最值得学的部分是 repo map。前一篇里讲过"为什么不能直接把整个仓库塞给模型"，repo map 就是这个问题最早的开源答案之一：用tree-sitter解析代码，提取每个文件里的类、函数、关键定义，再用图算法算出哪些符号和当前任务最相关，只把这些塞进context。二改：repo map 适配熟悉的语言生态（Aider对Python/JS 最好Deep Research：GPT-Researcher27k+ stars，MIT核心是planner和execution两类agent分工：planner把研究问题拆成一组子问题，execution agents并行去抓信息，最后由publisher聚合成带引用的报告。为了控制成本，会按需在 gpt-4o-mini 和 gpt-4o 之间切，一次任务平均 2 分钟、几美分。二改：挑具体领域，比如医疗文献综述、行业财报对比、学术 survey，在被大部分项目忽略的环节上做深，评测体系、引用质量、矛盾信息的处理。AIOps：HolmesGPT2025 年 10 月成为 CNCF Sandbox 项目，Apache 2.0。只读权限和 RBAC 是写在架构层的，agent 没有误操作生产的能力二改方向：HolmesGPT 默认覆盖云原生场景，如果方向偏数据库、偏前端监控、偏业务告警，可以基于它的架构做垂直版本。长期记忆：Letta（原 MemGPT）22k+ stars，Apache 2.0Letta 是 agent runtime，整个 agent 跑在 Letta 里，记忆系统是它的核心而不是附加层。核心设计来自 MemGPT 论文：把 LLM 的 context window 当成虚拟内存来管。二改方向：挑一个很小但真实的场景，比如基于过去几个月聊天记录学写作风格助手，然后在 short-term/long-term怎么分、何时清理、怎么避免老信息污染上做扎实。

这家公司是通过电话直接沟通约面试，通过后HR用企业微信加微信一面：4.16 时长30min （听声音感觉是一个挺年轻的小姐姐，没有开摄像头）Vue2和Vue3的区别什么是闭包，闭包可以做什么防抖和节流的区别是什么Axios封装，异常是怎么处理的，是封装在里面还是单独拿出来的优化是怎么做的docker部署时怎么降低包的体积有没有用过CC Gemini等AI工具只会看AI生成的页面效果吗 会看实际代码吗为什么不去大厂，或者中厂还有一些可能遗忘了，无非也是一些八股反问：技术栈 答：主要是Vue二面：4.21 时长30min前面是项目拷打然后后面主要是考察对行业变化捕捉是否灵敏吧问了打包构建工具，然后...

面试Agent开发但是缺项目怎么办？不妨来看看这个Github 600+ stars 的项目（已有朋友通过本项目拿到大厂Agent岗位实习）MiniCode是我们借鉴claude code实现的一个轻量级的项目，非常适合agent初学者用于学习/二次开发/简历项目！考虑到大家擅长的语言与偏好各不相同，我们设计了多语言版本，目前TypeScript，Rust，Python均已支持，Java版本预计即将上线我们在编码时有意借鉴了claude code的设计风格以及保持了轻量级，非常时候学习/二次开发！已支持相当多ClaudeCode的特性，包括mcp&skills的兼容、后台任务等（Rust已支持会话层级的历史记录与恢复……合作者太猛了，比我做的还快），下一步计划把自动上下文压缩以及multi-agent做掉（厚颜求star朋友们）我们还准备了学习文档“通过 MiniCode 你可以学习到 Claude Code 的哪些设计”（或许是本项目最有价值的部分，后续计划升级为网页版本的电子书教程）目前已600+stars⭐！长期维护不会跑路～（高频更新阶段，每天都有大量commit）项目网址：https://github.com/LiuMengxuan04/MiniCode项目官网：https://liumengxuan04.github.io/MiniCode/

大家好，我是专注Agent方向的老面试官，也是带过团队的技术人。最近面了不少同学，发现一个普遍问题：一提Embedding就背概念，一问原理就卡壳。尤其是Agent方向，Embedding是连接大模型和外部知识的关键环节，面试官稍微挖深一点，很多人就露怯了。今天我就用最白话的方式，把Agent面试里Embedding相关的常考点拆开揉碎，不讲虚的，直接上干货。Q1：Embedding到底是什么？用大白话解释给产品经理听面试官最爱开头来这么一句。很多同学脱口而出“高维向量映射到低维空间”——面试官脸一黑，因为你在背定义。我建议的回答思路：你把Embedding想象成“给万物编代号”。每个词、每句...