1.项目拷打 介绍下mutilagent的项目2.拷打实习3.mcp和skill的区别4.二者谁占用上下文窗口比较大5.langgraph和langchain的区别6.如果要你做一个agent，获取爆款内容，生成图片，该怎么做面试官人很好 声音也很甜 可惜业务不太相符 已经回去等通知了

1..一般使用哪些ai工具2..传参类型校验3..使用rag的场景4..常见的向量数据库5.双分割器 怎么分的6.拷打实习7.多agent agent分工8.反思型agent 怎么做9.长期记忆怎么做   对话内容特比多 放不下怎么办10.做mcp的插件市场，该怎么做11.plan-extctuer replan ???了解过吗

下面用提问的方式分别从加载，切割，嵌入，储存，检索，评估几个角度连环问，感觉可以判断掌握RAG的程度，博主也在学习，轻点喷1.加载1.1加载纯文本如何加载？1.2加载doc怎么加载？ 要是想强调结构呢1.3加载pdf怎么加载？1.4要是pdf里面有图片呢？1.5要是pdf的一页里面有图片，文字，图片里面还有文字呢？2.切割2.1怎么切割？重叠程度怎么设置，分片大了会怎么样，小了会怎么样？3.嵌入3.1常见的嵌入模型有哪些？3.2对于稀疏向量的嵌入，了解过吗？4储存4.1常见的向量数据库了解过吗4.2企业级一般用哪个向量数据库4.3了解过索引吗？图索引，倒排索引了解过吗4.4第二范式，余弦相似度，向量内积，了解过吗，是干嘛的？5检索5.1多路召回，索引增强重排了解过吗？5.2粗排，精排了解过吗，用什么模型？6.评估6.1常见的评估框架有哪些？6.2评估一般看哪几个指标？忠诚度，相对性，精确性？7其他7.1图RAG了解过吗？为什么要用它？7.2多模态RAG怎么实现？？了解过吗7.3llamaindex专注于该领域，有了解过吗？

1.langchain的主要在这个chain 怎么理解这个chain2.提示词怎么设计的 如何设计3.rag怎么构建的4.模型微调qwen2.5-3B 用llamafacotry 怎么做的（直接说了用ui调 难绷）5.mcp mcp是什么6.工具调用失败 怎么办 我说了个设置保底策略7.想要按照结构输出怎么办？ 我直接说了按提示词调 不行的话再结构化输出8.多agent协作 如何做 设置工作流 这个不太懂

学后端的时候感觉挺有意思的 学大模型的时候感觉也太无聊了 数据处理处理半天 最后学哈根face又把之前从0到1的训练过程全部推翻 好多时候都是在讲数学 讲架构 然后把rnn transformmer的源码简单复刻 做一些简单任务 最后直接调库，而且学了不知道到底能干嘛，不如后端情绪价值大

bg双非，28节 基本状况是大一的下学期和暑假学完了基本技术栈，大二上出去投了点简历拿了几个offer 但是不想过早去实习，所以在学校搞点比赛和学点大模型。跟着黑马过完了机器学习，深度学习，目前在nlp后面还有langchain RAG 模型微调有以下感悟吧大家想学想了解大模型应用开发的可以看一下1.感觉的话门槛确实比后端高 其中很多数学推导啥的，然后都是在做矩阵运算，所以想学的话高数，现代，概率还是不能一点不懂2.学起来比后端还要孤独，前端可以可视化，后端还能用apifox看个返回，ai的话感觉只能看看几个指标，顶多画一下图看几条似懂非懂的线3.感觉机器学习，深度学习可以快速过，主要还是要看看rnn，注意力机制，transformer这些，毕竟和现在大模型强挂钩4.感觉还是不能all in大模型 可以做一个后端的加分项，感觉离业务有点远