ai笔试

前言:在数学学习与计算机编程中，我们经常需要计算两个数字的最大公约数。它既能简化分数计算，也是密码算法、数据运算里最 基础的常用在数学学习与计算机编程中，我们经常需要计算两个数字的最大公约数。它既能简化分数计算，也是密码算法、数据运算里最基础的常用工具。 从古至今，人们总结出两种最经典、流传最广的求解方法：更相减损术与辗转相除法。两种算法底层逻辑相通，都依靠数字公因数不变的数学规律缩小数值，但运算方式、速度效率截然不同。 本文用最简单直白的语言，不带复杂公式，一步步拆解两种算法的原理、过程与优劣对比，带你彻底看懂古人智慧与现代最优解法的区别。<1>更相减损术 #include &l...

差点把线上搞崩那次，到现在想起来手心还会出汗。实习第六周，我改了一个配置参数。自测过了，跑了几个case没问题，心想这么小的改动走什么灰度啊，直接上呗。提交MR的时候mentor拦住了我，说走灰度。我当时内心是翻白眼的——至于吗？灰度放了1%的量，五分钟之后监控开始报警。我改的那个阈值，影响了下游一个缓存服务的淘汰策略。我看着监控面板上那条飞起来的红线，感觉自己的血也凉了。mentor倒是很淡定，一键回滚，然后跟我说：这个接口日调用量几千万。如果刚才全量上了，你今天就可以体验什么叫P0事故复盘了。那一刻我是真的怕了。不是怕被骂，是怕影响真实的用户。之前在小厂实习，出了bug重启一下就好了，DAU才几千，没人在意。但大厂不一样，你敲的每一行代码背后都是真实的人在用。从那以后我再也没有跳过任何一个流程。你说大厂的流程烦不烦？烦。但被流程保护过一次之后，你会真心感激这份烦。感谢我师，就我🐶命

投了一大堆的日常，全都在初筛😢😢😡😡😡😡

Q1：规划和执⾏要不要拆开两个模型？答案：视任务⽽定。Planner-Executor 拆分可提升可控性（强模型规划、快模型执⾏）；单模型端到端更简单但易在⻓链路漂移。可混合：规划⽤强模型，执⾏层做确定性校验。Q2：如何避免 Agent 在⼯具调⽤间「迷失」？答案：明确 停⽌条件 与 最⼤步数维护 任务清单（todo） 与 当前⼦⽬标对每步输出要求 结构化（JSON）关键步骤 强制验证（单元测试式检查、⼆次 LLM 审核）Q3：结果冲突怎么整合？答案：优先级规则（权威源 > 时间新 > 多源⼀致）、让模型显式输出「冲突说明」、必要时触发⼈⼯。Q4：基于效⽤的 Agent 和基于⽬标...