腾讯pcg timeline

2025 面试回忆录飞鱼科技 测试一面龙游山海 测试一面腾讯音乐  客户端 一面优职同行  测试一面深信服  测试开发一面上海凌云吉恩斯科技  wms运维一面卓见  测试平台运维一面网晨科技  测试hr面恩士讯  桌面运维一面创思奇  系统运维二面  oc长沙梯度云科技  运维二面  oc雅马哈信息   云计算一面腾娱互动  游戏运维二面神州信息  运维一面数字马力  dba运维一面力维智联  交付运维一面吉比特  游戏运维一面合胜信息  桌面运维二面  oc北京微步在线科技有限公司  技术支持 一面神漫文化  it运维二面   oc探迹科技  爬虫工程师一面雷特网络科技  桌面运维一面强智科技  实施 hr面联想云领 实施运维一面2026  面试录杭州元封科技有限公司  ai可见性优化hr面震坤行数  数据采集一面杭州西格莫伊德智能科技 rpa一面无锡白名单 rpahr面智诚汇贸易有限公司 rpa一面广州伊奇菲娜 rpa一面杭州德瑞轩科技有限公司 bi报表开发hr面杭州柔智造供应链    ai工程师BOSS面中电金信 爬虫工程师一面优趣汇 rpa  线下主管面东阳法隐电子商务有限公司  rpa一面义乌嗷嗷进出口有限公司 数字化效率工程师主管面长沙瑞步 rpa  机试+主管面水羊国际  ai标注  主管面总结：rpa工程师基本需要经验，有电商行业经验和rpa使用经验的。不怎么会问技术问题除非是rpa厂商。该岗位公司配置一般一到两个。测试运维技术岗社招1～3年经验的一般两面，有可能三面，技术问题较多。线下面之前一定要问清楚岗位职责，薪资情况，不然像我一样，电话沟通合适，线下面试结果说经验不匹配，让人白跑一趟……技术面试官全程也不怎么提问，就留我和hr尬聊，我不知道这技术官再吊什么，简历是你通过的，经验也是你说不匹配的……一个偏数据报表搭建的非得说得会ai大模型开发

自我介绍你的实习经历或者项目经历，你觉得哪个比较有亮点，我们展开聊聊 你做性能优化的出发点是什么，从哪些方面去做性能优化servicewoker缓存，你把什么放入servicework，具体展开讲讲说说性能指标的定义，从哪些地方做功可以导致指标的优化 做功点，比如你要优化你的fcp懒加载的原理是什么，为什么可以做到性能优化TTI的优化，你是怎么做的这些性能指标你是怎么获取的呢在上段实习中你做了什么vue2和vue3的区别vue2到vue3的迁移怎么做的，怎么实现新旧版本的迁移上份实习，你做的系统面向的用户是谁你在这些经历中，你觉得比较有挑战的点是什么假如你有一个客诉，但是你本地无法复现，你怎么...

🌟首先提升Agent 质量：1️⃣Prompt Engineering 是被低估的核心技能。 Agent 的 system prompt 和 tool description 的写法直接决定了 LLM 的决策质量。一个精心设计的 tool description，可以让 LLM 在 90% 的情况下正确选择工具；一个随手写的，可能只有 60%。这个差距不是换框架能弥补的。2️⃣Evaluation 是最容易被忽视的环节。 Agent 的行为具有不确定性，同样的输入可能产生不同的执行路径和结果。你需要一套 evaluation 体系来衡量 Agent 在什么条件下表现好、什么条件下会翻车。没有 eval 的 Agent 开发就是在盲人摸象。3️⃣上下文工程（Context Engineering）正在取代 Prompt Engineering 成为新的关键词。 它关注的是一个更大的问题：在 Agent 的每一步决策中，如何精准地组装出最有利于 LLM 做出正确判断的上下文？哪些信息该放进去，哪些该丢掉，以什么格式组织，这些决策比你选哪个框架重要一百倍。4️⃣用户体验设计不可忽略。 Agent 不是对每个任务都能完美完成的。如何让用户理解 Agent 在做什么、如何设置合理的预期、如何在 Agent 失败时优雅地降级——这些产品层面的思考往往比技术实现更难。🌟分阶段的选型策略1️⃣入门期：拿框架快速上手。选最流行的框架，跑通第一个 demo。目标不是做出好产品，而是理解 Agent 的基本工作原理。用框架的好处是屏蔽底层细节，专注于理解"ReAct 循环"这个核心概念。2️⃣进阶期：脱离框架理解本质。自己用纯 API 调用手写一个最小的 Agent。用 openai 或 anthropic 的官方 SDK，50 行代码写一个能调工具的 ReAct 循环。这个练习会让你彻底明白框架帮你做了什么、没做什么。3️⃣生产期：用框架的方式要利于拆除。如果你继续用框架，把它当作一个 LLM 调用的便利层来用，不要在它的 Agent 抽象上构建核心逻辑。如果你选择不用框架，直接用官方 SDK + 自己封装的薄层，也完全可行。代码量不会比用框架多太多，但可控性高出几个量级。⭕最后框架选型是一个"入口问题"——刚入门时你会觉得它很重要，深入之后你会意识到它只是一个起点。Agent 开发的真正挑战在于：理解 LLM 的能力边界，设计合理的任务分解策略，构建鲁棒的执行和容错机制，以及在不确定性中找到产品价值。这些事情，没有任何框架能替你想清楚。Agent 的灵魂不在框架里，在你对问题的理解里。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花Caffeine是Java生态中性能顶尖的本地缓存库，对标Google Guava Cache并实现全面超越，主打高吞吐量、低延迟、超高缓存命中率，核心优势源于创新的淘汰算法、精细化并发设计和高效内存管控。它完美解决了传统LRU缓存污染、LFU内存开销大、新热点数据难留存的痛点，成为分布式系统、本地缓存场景的首选方案。一、底层存储架构：高效并发+低开销统计Caffeine没有重新造轮子，而是基于Java原生并发容器优化，搭配专用数据结构实现读写分离、无锁争抢，核心存储组件分为...