华为数能开奖了吗？

项目挑一个讲？这个项目里大部分是大模型，工程上的有讲一下吗？有用到 Agent 吗？Agent 和传统大模型有什么区别？工作记忆了解吗？向量数据库和传统数据库区别是什么？从模型上查询索引结构上、事务上的区别呢？你提到的给 A 推荐的喜好是怎么做的？你的项目如果对标京东、阿里的话，有没有了解到现在成熟的方案？比方说对你的身高体重、用户画像等这类长期记忆的应用。大模型使用向量数据库的诉求是什么？什么场景用向量数据库？向量数据库在 AI 里的核心作用在哪？向量数据库开源的有哪些？ 在毕设过程中，有哪些方案是做过技术调研的？做过压测吗？2000 QPS 的瓶颈在哪里？怎么优化？压测的时候什么指标达到了...

相比一面真的难太多了，面试官更喜欢从底层不断地拷打，直到问到我实在是答不上来了面经发出来攒攒人品，需要的牛友可以看看

先给核心结论：2026年Agent赛道已经从概念炒作进入工业级落地阶段，岗位细分已经非常成熟，不再是单一的“算法岗”，而是形成了「应用落地层-产品业务层-底层研发层」三大梯队，10+细分岗位，覆盖技术、产品、业务全链路，不同学历、不同背景的人，都能找到匹配的赛道。今天给大家做一份Agent赛道全岗位全景拆解，每个岗位都讲清岗位职责、核心能力要求、必学技术栈、校招薪资、入门难度、适配人群，应届生、转行的同学直接照着选、照着准备就行。一、核心梯队划分与岗位全景Agent赛道的岗位，按核心价值和入门门槛，分为三大梯队，适配不同人群：第一梯队应用落地层直接负责Agent在垂直场景的落地开发，工业界需求...