output一面

1.介绍上段实习内容2.讲一下浏览器从输入网址到返回内容的全过程3.get和post的区别，http的结构讲一下4.agent用了多线程吗，工具调用是同步还是异步5.具体讲讲上下文管理，滑动窗口和摘要压缩丢失的信息怎么解决6.agent记忆系统如何实现7.长尾问题是什么，如何解决8.es的原理，如何做bm25检索9.大模型推理的底层原理是什么10.一段prompt，前中后段哪一段注意力最高11.prompt如何设计12.如何解决多用户agent系统会话隔离、记忆隔离13.openclaw与传统的agent有什么区别14.看过openclaw实现吗，里面的记忆是如何做的------后续挂

1. 自我介绍2. 为什么想做AIPM3. 简历中提到了RAG项目，展开说说4. 这个系统是怎么工作的5. 如何去评估这个项目6. 后续有什么优化方向吗7. 对当前的AI趋势有什么观察提到openclaw与字节的Arkclaw8. 追问：你对Openclaw与ArkClaw了解多少这里给我纠正了有关Openclaw与Arkclaw的观点9. 你认为自己有什么缺点10. 反问 问了业务相关的内容处女面感觉回答得不好，话说字节脏面评影响多久？

继续来分享下之前的面经~欢迎友好讨论，信息共享1. Transformer中Attention的本质是什么？你能从数学角度简要解释一下吗？2. 在Agent多轮对话任务中，你觉得Attention的局限性体现在哪些方面？3. 简要介绍一下SFT的核心流程，以及数据集的构建策略，SFT之后常见的Post-Training还有哪些？它们之间的目的有何区别？4. 什么是RAG，它是怎么提升生成质量的？与传统检索＋模型生成的流程有何不同？如何评估一个RAG系统是否work的？5. PPO和DPO在大模型对齐中的主要区别是什么？DPO训练通常有哪些注意事项？用过GRPO么？6. 项目里的Modular Agent，你能讲讲它是如何实现多步规划的吗？7. 项目提到了多个工具调用链路，调度策略是如何设计的？是否有异常fallback策略？8. Agent评估体系包括哪些维度？如何衡量planning能力 vs hallucination rate？9. 项目里微调Qwen，选择的训练阶段和Loss函数是如何决定的？10. Prompt自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？11. 场景题：假如一个Agent 推理链路包含3个工具+高频请求，系统整体延迟较高，你会如何优化？12. 代码：岛屿数量

继续来分享下之前的面经~欢迎友好讨论，信息共享1.当时为什么决定选用 RAG 这个技术框架？2.你选择的是哪个 RAG / 哪个向量库？为什么选它？3.你们做了哪些评测对比？4.你为什么要用向量检索（RAG）？为什么不用其他方式？5.为什么不用全文索引（类似某度/某g那种关键词检索）？6.你说大模型有幻觉，那为什么不用更“权威”的全文检索来避免胡编？7.如果用开源全文检索在本地部署、自己喂私有数据，也能搜——那你们当时为什么没选这条路？8.你选的向量维度是多少维？9.这个维度为什么重要？你有没有显示配置/修改过维度？10.你用的切分策略是什么？11.你说按段落/按语义切，那段落有的 100 字、有的 1 万字怎么办？12.你的 chunk size 为什么定 1000 token？这是拍脑袋还是有依据？13.overlap 设多少？为什么这样设？14.你怎么评价/评测 RAG 效果的好坏？