小厂agent应用开发一面-实习面经

1. 你的RAG项目主要什么作用2. RAG项目工作流程是什么3. 你的RAG项目出现问题，怎么进行排错4. 大模型微调过程中数据预处理的步骤有哪些？5. 如何解决大模型Agent的工具调用 幻觉问题？6. LoRA微调技术是什么？7. 大模型Agent的记忆机制分为哪几类？8. 大模型后端部署常用的框架有哪些？9. 全参数微调与轻量化微调的适用场景分别是什么？10. 大模型Agent实现复杂任务规划的核心方法有哪些？11. 大模型推理服务的性能优化手段有哪些？12. 如何设计大模型微调后的效果评估体系？13. 大模型Agent对接第三方API时，后端如何做接口鉴权、限流与异常捕获？14. 大...

攒人品中，祝大家都能拿到满意的Offer！1. 实习拷打2. 项目拷打3. 请具体介绍这两个项目的工作流以及用到的技术栈。4. 数据清洗涉及哪些步骤？这些步骤起到什么作用？5. 微调数据集的结构是怎样的？6. 微调有哪几种方法？它们有什么区别？7. 对于各种文档，你们做了哪些处理方式？每种处理方式有什么优缺点？8. 你们采用了子块和父文档关联的方式，这种方式在实际应用中的优点和缺点是什么？9. 如果有一个具有多级标题（如1级、2级、3级）的文档，我想检索一个大类时能把其下所有子类内容都带出来，你会怎么设计？10. 在构建知识库进行检索时，可以涉及哪些算法？为了提高召回率，多路召回会涉及哪些方法？11. 在多路混合检索时，如何平衡不同检索方法之间的权重？12. 知识库构建好后，如何评估它的效果和能力？具体指标如何衡量？13. 在检索阶段，我们通过多种方法提高了召回率，召回了许多知识片段。在将这些片段提供给大模型时，我们是全部给模型吗？还是有什么方法可以提高模型的推理结果？14. 在设计智能体时，你是如何选择不同类型的智能体的？智能体之间如何流转？它们的记忆如何管理？15. 多智能体是如何编排的？智能体之间的流转状态是如何管理的？16. 你们的实现没有依赖LangGraph这类框架，是基于什么考虑？17. 在你的智能体规划场景中，如果涉及到需要用户确认的操作，你们是如何设计考虑的？18. 项目中使用的MCP工具调用，主要也是用于查询和推荐数据吗？19. MCP有哪几种协议？它们之间有什么区别？

1. Agent 的架构设计一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是“能不能想”，而是“想完之后能不能稳定执行”。2. RAG 的检索如何实现RAG ...

bg，重邮本末九硕，一段中厂，一段大厂实习项目是我主页的知光，项目和面经什么的，xhs可以搜到，同名