淘天agent一面 70min 面麻了

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.项目拷打2.向量模块的基本索引是怎么存的，中间经过什么可以把数据召回回来3.普通redis跟redisearch有什么区别，比如数据结构上，底层是采用的什么4.它是都具备一种scan的能力，比如量化查询5.它的底层实现与mysql这种存储结构有什么区别呢6.注解@Tool这种方式的底层怎么实现的7.spring的aop和ioc是什么怎么实现的8.agent执行循环，怎么判断是否需要执行下一个循环9.举一个复杂的例子串一下10.提取摘要的时候如何避免摘要提取错误导致上下文扭曲11.function call 、mcp、skills有什么区别12.为什么skills会逐渐成为流行的趋势13.open claw是否去搭建过14.是否自己写过skills15.tcp的握手与挥手16.流式输出用的是哪个协议

1. 自我介绍2. 介绍你写的这个项目3. 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent多 Agent 的核心价值不是“看起来更高级”，而是把复杂任务里的角色分工显式化。单 Agent 在任务很长、工具很多、约束很多的时候，容易把规划、检索、判断和执行混在一起，导致上下文污染、错误放大、调试困难。多 Agent 可以把流程拆成规划 Agent、检索 Agent、执行 Agent、审查 Agent，每个 Agent 只负责一类清晰目标，行为边界更稳定。但多 Agent 也不是默认更好。它会引入额外通信成本、状态同步复杂度和错误传播路径。真正适合多 Agent 的场景，一般满足...

30mins1.介绍一个你感觉收获比较大的项目2.Spring AI、Langchain、Langgraph的区别3.怎么测的RAG的效果4.Tramsformer的自注意力机制5.激活函数了解过吗，介绍一下6.Java工程和Agent工程的对比，你觉得有哪些区别，有哪些要注意的点7.最近在学什么新的技术8.阅读资料一般去什么网站

1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...