1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...

刚加上这个hr，结果是个广子，发完第一句话就被封号了微信

吓哭了，明天被面试塞满了

想进入 Agent（智能体）开发，核心不是学某一个“工具”，而是搭建一整套能力组合。首先是基础编程能力，优先选择 Python，熟悉常见库和基本工程结构。其次要理解大模型的基本原理和使用方式，比如提示词设计、上下文管理、函数调用等，这些是 Agent 的核心交互方式。再往上，需要掌握一些常见框架，比如 LangChain 或 AutoGPT，它们能帮助你快速搭建具备“思考+行动”的 Agent。同时，还要了解向量数据库来实现记忆和检索能力。最后，也是最关键的一点：工程能力。包括如何设计工具调用、如何处理错误、如何让 Agent 稳定运行。真正有价值的 Agent，不是能跑 demo，而是能在真...