Agent开发实习一面分享-快手

大家好，大家好我是@程序员花海，最近两周密集面试了不少Agent方向的候选人，从应届生到有三年、五年经验的同学都有，面下来最大的感受是——简历看着都差不多，一问项目就露馅。说几个反复出现的名场面，可能你也在经历：场景一：简历千篇一律十个候选人，八个项目写的都是基于LangChain搭建智能问答系统这种风格。问技术选型为什么用LangChain而不是直接用官方API，答不上来。问系统如果上线要承载1000人同时用，哪里会先崩，基本没想过。场景二：项目经不起推敲简历上写着实现了RAG检索增强生成，一问细节，比如文档怎么解析的？切片窗口多大、重叠多少？向量库用的什么索引策略？检索召回率怎么评估的？多...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑项目拷打（约30min1.梳理xx广告效果引擎的整体业务链路。2.离线缓存层构建：正排数据如何转化为倒排数据？3.离线缓存层构建：为什么不用Java原生的BitSet？4.序列化与反序列化优化：为了避免直接反序列化极其庞大的大对象，采取了什么设计方案？5.分布式调度设计：如何对千万级广告库（如1024个slot）进行分片处理并实现横向扩容？6.分布式调度设计：Worker定期向Manager发心跳并延长令牌时间，如果Manager挂了怎么办？7.网络协议定制（数据播发项目）：基于TCP通信，如何设计协议来解决粘包和拆包问题？场景设计题（约10min）场景背景：股票搜索功能，拥有几十万条股票代码。用户会通过输入股票代码（如300033）、名称（如腾讯）或拼音首字母（如tx）进行搜索。要求支持全匹配、中匹配、后匹配，且全匹配优先级最高，对响应速度要求极高。1.这种高并发场景下，数据存储载体应该怎么选？回答内存介质加字典树2.快速搜索的底层算法应该怎么做？3.针对中文汉字特别多的情况，Trie字典树应该怎么建？4.Trie树做全匹配没问题，那如何基于树结构实现中匹配？AI应用与工具拓展交流（约10min）日常写代码时，自己手写和大模型生成的比例大概是多少？个人的AI辅助开发工作流是怎样的？有没有了解或跑过类似 OpenHands （类Devin的自动编程Agent）这类开源项目？在大模型应用中，Skills 和 MCP (Model Context Protocol) 有什么区别？

第一个是本地知识库问答。把自己的笔记、PDF、文档喂给模型，做一个能检索能问答的系统。技术栈就是LangChain加向量数据库，难度不高但涉及RAG全流程，面试官最爱问这个，你踩过坑就能聊很久。第二个是Agent自动化工具。找一个你自己真实的重复性工作，让AI帮你自动完成。比如自动抓招聘信息整理成表格、自动总结每天的技术新闻发到邮件。场景越真实越好，面试时说这个工具我自己每天在用比任何包装都有说服力。第三个是模型微调。找一个垂直领域的开源数据集，拿Llama或者Qwen跑一次LoRA微调。不需要效果多好，重要的是你走通了训练评估部署全流程，这个经历很少人有，写进简历直接拉开差距。这三个项目有个...

如题，主包花了一个月的时间啃完了langchain，并狠狠地写下了每个重要模块的笔记。我个人认为官方文档写的一般般，只讲怎么用不讲底层，如果有需要的相关资料的同学可以私信主包。