AI全栈开发二面 output 实习面经

如果想从事 Agent 方向，我觉得可以按“LLM + Workflow + Tool Use + Memory”这条线去学。首先是大模型基础，要理解 Transformer、Token、Embedding、Attention、Prompt Engineering、Function Calling、Structured Output 这些核心概念。其次要学 Agent 常见技术栈，比如 ReAct、Planning、Task Decomposition、Multi-Agent、Reflection、Memory、Tool Calling。再往下就是 RAG 相关能力，包括向量数据库、Embedding Model、Chunking、召回、重排（Rerank）和知识库构建，这些直接影响 Agent 的准确率。工程上建议重点学 Python、FastAPI、LangChain / LangGraph、AutoGen、MCP、API 集成、异步编程、缓存、日志监控和容错重试。除此之外，还要关注评测体系，比如 Success Rate、Latency、Token Cost、Hallucination、鲁棒性和可观测性。我自己的理解是，Agent 不是简单调用一个 LLM，而是把模型推理、工具使用、状态管理和工作流编排结合起来。想入门的话，最好边学边做 Demo，比如“知识库问答 Agent”或“自动任务执行 Agent”，成长会特别快。

🙌面试感想：暂无后续 1.自我介绍+项目2.（项目）GoZero 微服务框架整体情况 项目微服务是按照什么原则拆分的？MySQL 和 MongoDB 水平扩展机制有什么区别？3.项目里 Kafka 主要用来实现什么功能？除了你即时通讯这种典型生产者消费者场景，服务间什么业务场景适合用消息队列？4.为什么选择 Kafka，而不是 RabbitMQ 等其他消息队列？Kafka 吞吐量高的底层机制是什么？5.Go GMP 调度模型6.Docker 在云服务部署场景主要解决什么问题？Docker 保证环境隔离的底层机制是什么？7.你理解什么是 AI Agent？

现有江西博微（电网软件的一个比较好的企业）的测试实习生 offer。和华勤技术的不知道是测试开发还是测试的实习机会（华勤实习两个月后有转正实习机会）。不知道该怎么选，以后还是想干测试提效类的测试开发工作。佬们有什么建议吗🥺

一面技术面过了好几天记不太清了。记得问了几个八股，其中原子锁答得不太好还让我回去查一下。无手撕。面试官老哥挺好的，就是看起来很命苦啊。二面HR面明显这个HR说话就听有流程的，刚开始说咱们今天的面试有三个部分，第一部分自我介绍，然后问一些问题，之后反问（差不多这样，我也记不清了）。问了好几个问题，记不太清了，有在项目分工中你承担什么职责，怎么和组员沟通之类的，还问你认为你和其他技术人员相比有什么技术上的优点吗？说出三个。只记得这些了，当时网络非常不稳定，他一直说没关系。但是最后应该挂了，我猜网络可能有关系，当然也应该是我答得不好（笑cry）。总之最后无通知挂了。