迪普科技一面凉经

一面电话面试，挺基础的，后续让线下面试

1、自我介绍2、现场笔试：用 Trae 二十分钟写一个工具我通常会先自己确定功能最小闭环，再用 AI 帮我补骨架代码、参数解析和异常处理，然后自己做最后校验，不会完全依赖 AI 自动生成。因为这种场景最容易出问题的地方不是代码量，而是需求理解错、接口设计乱、边界没处理。下面是一种比较适合这种面试场景的小工具写法，功能是读取文本，做清洗后统计高频词，输出前 k 个词，结构简单，也方便快速展示工程习惯。 import re from collections import Counter def clean_text(text: str) -> str: text = text.lower()...

1. 项目里是把 skill 直接塞进 system prompt 的，如果 skill 太多，占用上下文窗口太大，怎么处理不能把所有 skill 常驻塞进 system prompt，这样会带来三个问题：上下文窗口被占满、候选技能噪声太大、模型在选择 skill 时更容易混淆。更合理的方式是把 skill 做成外部注册表，system prompt 里只保留最小规则和调用协议，真正的 skill 描述按需动态注入。常见做法是先做一层 skill routing。可以用规则、分类模型或者向量检索先筛出 topk skill，再把这几个 skill 的 description、参数 schema...

#牛客AI配图神器#淘天 27 届暑期实习生正在招聘 各方向都有海量 HC 欢迎看我置顶帖子投递面试题 5：Function Calling 的底层到底发生了什么？Agent "调用工具"这个说法准确吗？参考答案不准确。LLM 从来没有"调用"过任何工具。整个过程是这样的：LLM 的输出本质上永远是"生成下一个 token"。当我们说"Function Calling"时，实际发生的是——模型在训练阶段被大量的工具调用样本微调过，学会了在需要外部信息时，不生成自然语言回答，而是生成一段符合特定格式的结构化文本（通常...