LangChain

发点面经攒攒人品～1.实习拷打2. 论文拷打3.有什么涉及的具体的应用吗4.我看里面上写上面写了一些知识图谱的一个构建说一下这个这个任务的一个输入和输出吧，大概你用到了什么数据，然后什么模型去产出什么样的一个东西5.你这个图谱里边都有哪些类型的实体？关系是怎么定义的6.你用了BERT去做实体识别哈，那为啥用BERT呢？能不能直接用个BiLSTM搞定5.我看你提到了LayerNorm，这块为啥要用个条件LayerNorm有什么作用6.说一下transformer的底层结构吧7.Transformer为什么用了LayerNorm呢8.你说你做了一个Multi-Head Self-Attention，那注意力权重那部分你还记得公式是咋算的吗？9.说一下LoRA原理10.刚才提到用LoRA做参数高效微调的必要性，那如果不是用LoRA，而是做全参数微调，那会消耗多少显存，比如说我以一个7B规模的大语言模型为例11.说说现在千问里有哪些主流的大模型结构12.项目拷打13.那你们这个DAG 图是怎么构建的？根因节点怎么推出来的

先给核心结论：Agent面试的核心逻辑，永远是「基础概念验证→落地能力验证→思考深度验证」，所有的问题都围绕这三层展开，面试官不是看你背了多少概念，是看你有没有真的把Agent用起来、有没有解决过真实的落地问题。下面分6大模块，把Agent面试的高频问题、回答核心要点、加分技巧，全给大家讲透，建议收藏。一、基础概念必问题（面试开场第一道门槛，答错直接凉）这类题是面试的敲门砖，主要验证你对Agent有没有基础认知，答错了基本一面就挂，回答核心是「讲清本质，结合自己的理解，别只背概念」。你理解的AI Agent是什么？和大模型对话、RAG应用有什么本质区别？1. 核心定义：AI Agent是能感知...

1、从事 AI Agent 需掌握Python、LLM 原理、Prompt 工程；2、核心学ReAct/CoT 推理、RAG、函数调用；3、框架用LangGraph、AutoGen、CrewAI；4、搭配向量库、Redis、API 工具与多 Agent 协作。

给大家拆解一下事业部+岗位，看一线大厂是如何布局AI发展的 岗位详细清单与职责分析 一、技术研发类岗位 1. 大模型 Agent 技术专家 - AI 应用与创新 岗位 ID: 7419283793284565274 工作地点： 未明确指定 核心职责：  负责 LLM 工程化相关研发工作 构建 Agent 体系的技术架构 推动大模型在业务场景中的落地应用  任职要求：  3 年以上研发工作经验，本科及以上学历，计算机相关专业 具有 LLM 工程化相关研发经验 扎实的后台研发能力，熟练掌握 Golang/Java/Python 任一编程语言 熟悉 MySQL、ES 等常用基础组件 良好的设计能力、...