Agent基本概念

1、先做一下自我介绍2、介绍一个你最熟悉的大模型项目3、你在项目里具体做了哪些优化4、如果让你做一个保险知识问答系统，你会怎么设计如果是保险场景，我会把重点放在“依据”和“边界”上。因为用户问的很多问题，比如能不能赔、赔多少、什么情况下免责、等待期怎么算，这些都不是开放式闲聊，不能让模型自由发挥。整体上我会先把知识源整理出来，常见的包括：保单条款FAQ理赔规则产品说明客服知识库内部业务手册然后对这些文档做清洗、切分、去重、打标签和建索引。检索层我会优先考虑混合检索，因为保险场景里很多词比较硬，比如免责、既往症、等待期、受益人、赔付比例这类，单靠语义检索不一定够稳。生成层会尽量限制模型，只让它基...

1. 前端爱问的 LLM 上下文管理• FC 与 MCP 的核心区别*   FC (Function Call)：本质是模型调用工具。模型根据用户需求，主动决定何时调用、调用哪个工具，并接收工具返回的结果进行后续回答。*   MCP (Model Context Protocol)：本质是工具连接模型。它是一套更底层的协议规范，用于统一不同工具的接入标准，让模型能够标准化地访问和操作外部工具生态。*   一句话总结：FC 是模型的能力，MCP 是实现该能力的协议标准。• 上下文过长解决方案1. 截断策略 (Truncation)：保留最新关键信息，舍弃早期次要信息。2. 摘要压缩 (Summarization)：用摘要算法对历史对话/长文档进行浓缩，保留核心语义。3. 向量检索 (RAG)：将内容向量化，仅检索与当前问题最相关的 Top-K 片段注入上下文。4. 滑动窗口 (Sliding Window)：模型内部维护固定大小的窗口，随着新 token 加入，最旧的 token 被丢弃。

最近在准备校招，研究了一堆AI Agent相关材料，把最有用的几篇整理出来分享给大家。 如果你也在准备AI方向的岗位，这些思路应该对你有用。 📚 必读材料整理 1️⃣ Agent架构必知：从 Prompt 到 Context  来源：阿里云开发者社区  Agent技术的本质升级：Prompt是静态任务入口，Context是动态智能基座。 三阶段架构升级：  V1.0：单一Prompt驱动 V2.0：工具调用 + RAG增强 V3.0：多智能体协同 + 动态Context管理  面试高频考点：记忆管理、推理策略、工具编排、多智能体协作框架 2️⃣ 智能体如何“看懂”界面，精准找到“人想要”的对...

肯定是中小厂练手了,总不会真有大佬上来就投梦厂吧,我的选择是中小厂练手,面一下体验真实氛围,而且能明显知道自己哪方面虚哪方面还过得去