Q1：Agent 如何做版本管理与灰度？答案：Prompt/⼯具/schema 版本化；影⼦模式（只记录建议不执⾏）；⾦丝雀 ⽤户群；关键指标对⽐（成功率、成本、违规数）；⼀键回滚。Q2：举⼀个「不是 Agent 但常被误认为 Agent」的例⼦。答案：固定三步的 RAG 流⽔线（query 改写 → 检索 → ⽣成），若⽆ 基于观察的再决策循环，更像Chain；若加⼊ 多轮检索策略与失败分⽀ 则接近 Agent。Q3：你如何向⾮技术经理解释 Agent 的⻛险？答案：⽤ 「能办事的实习⽣」 类⽐：能⼒强但可能 记错、被误导、误操作；所以我们要 权限卡、审批、监控录像（⽇志），重要操作 双⼈复...

双非来之不易的机会啊4.30腾讯一面 当天晚上约二面5.7腾讯二面  当天晚上约三面5.8腾讯三面 当天晚上状态变为hr面许愿🙏因为在实习，投暑期有点晚了，只有百度和腾讯约面许愿，来之不易的机会啊更新：5.12hr面试 口头offer 发云证，状态变为录用评估5.15oc啦

我妈是某上市公司的老员工，她知道我秋招没找到工作，春招还去一家小公司干，表示不解，让我去他们公司干，我说我不想干制造业这一块，虽然他们公司股价上个月已经起飞了，当然我没买。我妈很反对我搞理财相关。她觉得我一个人在上海打工钱少又照顾不了自己，也非常反对我养猫，但这样的她还是在亲戚批评我养猫脏的时候反击了，说我爱干净每天洗猫（实则没有）。她说我们公司不行，但当知道我们有文化衫的时候，又认可说有企业文化的公司是好公司。哈哈。

想做 AI Infra / LLM 推理系统 方向。 身边没有同方向的朋友能问，自己摸着石头过河整理了一份学习路线，越整理越虚——感觉知识点又多又散  我自己总结的核心路线就一句话： 先理解模型前向 → 再理解单请求生成 → 最后再看多请求 / 多卡 / 多实例下的系统优化 把 Decoder 模型和最小推理框架先跑通，再去看工业级系统，应该很多设计会自然浮出来——这个思路对吗？ 想和大家多多交流！