27找实习中 该写什么项目

从零构建全栈AI智能体 最近在GitHub上发现了一个非常适合大学生上手的AI Agent开源项目：agent-craft，111 star，纯中文教学，从最基础的LLM调用到完整的多智能体部署，15个模块手把手带你做。  仓库地址：https://github.com/Annyfee/agent-craft  为什么推荐这个项目？ 1. 学习路径清晰，从零开始 不需要你有AI开发经验，从"怎么调用一个大模型API"开始教，一步步到能自己搭一个完整的智能体系统。 2. 代码全部可运行 每个模块独立目录，注释清晰，clone下来本地一键跑通，不是那种"看完还是不会动...

1. 自我介绍2. 进程、线程、协程之间的关系3. linux底层进程的内存分布4. 栈和堆的内存增长方向5. 操作系统里面的同步机制 (说了一些锁)6. 自旋锁 (回答的不好)7. 讲一下 I/O 多路复用8. TCP连接的最大数量 / socket 中如何保证连接的唯一性9. http的一些状态码、http 1.0/1.1/2.0/3.0 的区别10. http 如何保证安全，关于跨域 (没回答上来)11. TCP 三次握手，特别是为什么要第三次握手12. zookeeper 是保持强一致性的吗？它与客户端是关系 推/拉13. 你是如何解决这个超卖问题的？14. 如果redis中扣减成功，但是mysql中没有扣减成功，如何作一个兜底(这个好难，我说了用定时任务+MQ重试，但是面试官不满意，就说出现了少买，如何做兜底)15. 算法题：前K个高频词的统计与排序 (leetcode 692)(我的解法面试官不满意，它说不要进行排序，懵逼了)拓展题：17. 内存512m，大几个G的数据(url), 如何判定出现的次数18. 关于实习总结：好难，实习第一次面试强度就这么高吗PS：复盘一下，是我太菜了

最近在学习Agent项目时，踩了很多坑，也有了很多体会，以下是笔者的一些见解。第一，必须具备完整的工程后端体系很多 AI 项目在实现时只关注 Prompt、工具调用或者 Agent 流程，但却忽略了系统工程本身。然而在企业环境中，AI Agent 本质上仍然是一个应用系统，它需要具备完整的后端架构，包括 API 服务层、数据库设计、会话管理、日志系统、错误处理，完善的兜底机制以及高并发处理能力等。如果一个项目只展示模型能力而忽略系统工程能力，那么在面试官眼里往往会被认为只是一个 Demo，而不是一个可以上线的产品级系统。第二，不能只是简单调用框架，而应该具备真正的 Agent 系统能力现在很多...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目拷打3.你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过另一种方案？4.Agent 任务是怎么拆分的？拆分粒度是怎么决定的？5.上下文是怎么构建的？你们怎么避免上下文过长或者信息污染？6.如果上下文窗口不够，你优先保留哪些信息？为什么？7.你们做代码理解的时候，AST、调用关系这些信息是怎么用起来的？8.单测生成里，哪些代码其实不适合生成单测？你们是怎么识别并过滤的？9.覆盖率高但测试质量很差，这种情况你见过吗？你们是怎么解决的？10.mock在单测里什么时候是必须的？什么时候反而会带来问题？11.如果一个函数依赖数据库和RPC，你怎么让模型生成的单测还能稳定运行？12.你们怎么评估生成单测的质量？除了覆盖率，还有哪些指标？13.LLM的输入到底是什么？模型真正看到的是什么？14.self attention的核心作用是什么，为什么要拆成 QKV？为什么attention 可以建模长距离关系，15.为什么需要multi-head为什么 attention可以看成动态加权16.同一个 token的 Q、K、V 为什么不一样？17.attention复杂度很高，如果上下文特别长，你会怎么优化？18.模型产生幻觉的时候，一般是什么原因？工程上有什么办法降低19.Python有多线程吗？GIL 是干什么的？什么时候多线程是有用的？20.讲一下C++从源码到可执行文件的流程。21.手撕：给定数组的区间中位数之和:给定一个长度为n的数nums，一个区间 [l, r] 的 中位数 为：如果区间长度是奇数：排序后中间的数，如果是偶数：排序后靠左的那个数，要求：计算所有子数组的中位数之和