第一个简简单单的agent

Casdoor 是一个面向 AI 时代的开源身份与访问管理平台，集成认证授权与 MCP/Agent 网关能力。也是GitHub 13kstar的明星项目，与casbin项目高度集成绑定，这个项目也是我目前看到的针对企业级落地AI应用工程化治理的最佳实践。刚把 Casdoor 跑通，我最大的感受是：Agent 真正落地，拼的不是“会不会聊天”，而是“能不能安全调用工具”。很多团队做 Agent 都卡在这一步：工具接得越多，风险越大权限边界不清，出了问题很难定位认证系统和 Agent 系统分裂，运维越来越乱Casdoor 这点很实用：它把 Agent 应用（MCP/A2A）+ MCP 网关接入 + 工具级权限控制 + 统一认证（OAuth/MFA） 放在一个平台里。说人话就是：让 Agent 不只是“聪明”，而且“可控、可管、可上线”。如果你在做 AI 应用、企业智能助手、多 Agent 协作，真的建议看下这条路线。下一波 Agent 竞争，核心不是模型参数，而是工程化治理能力。项目地址放在这里了:https://github.com/casdoor/casdoor

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

抖音基础架构团队1.自我介绍问实习：2.提示词模板是怎么构建的？3.单Agent还是多Agent的？子Agent任务是什么？4.分支覆盖率是怎么统计的？原理有没有了解过？代码插桩具体是怎么实现的？5.对于代码解析有没有前置分析？有效性判断怎么实现的？未来让你来优化这些指标你会怎么设计？6.有没有思考过哪些代码会让模型生成的代码准确度和覆盖率降低？这些用AST和LSP都生成不了单测的代码如何过滤？7.mock是怎么实现的？问项目：8.多维度的查询改写是什么？改写的时候遇到需要用户参与补充信息时怎么设计？技术上怎么实现？9.并行化意图识别是什么？为什么要并行化？如何实现的？10.讲一下项目里召回的流程11.对于上下文工程有什么经验吗？有没有做过to do list？为什么这样会让模型更聚焦，怎么实现的？12.skills的原理有没有了解过？怎么实现的？问八股：13.LLM的底层原理有没有了解？输入给模型的是什么？14.self attention怎么实现的有了解吗？为什么要分成QKV，怎么计算的？同一个token向量是一样的吗？15.python有没有多线程？为什么要有GIL，有没有了解过？多线程的锁都有什么？lock和Rlock有什么区别？16.信号量的底层是怎么实现的？17.cpp编译链接流程有没有了解？编译分哪些步骤？手撕：18.岛屿最大面积19.反问

目前准备离职试投下中大厂后端以及bat级别大厂测开客户端，同时学下ai应用开发相关，今年年末寒假再投一段大厂后端或者ai应用开发日常，然后明年早点开暑期能给点建议吗，要不要学go呢