具身智能是未来？

27应届海硕，暑期实习投到现在机考都还没几个全在简历评估。昨天接了个具身智能的初创offer,具体工作大概是嵌入式相关还会涉及一些数据处理，pipeline类的工作，秋招想找具身智能类的工作因为没经验所以想着借此机会去偷学点东西，而且暑期实习大部分投的普通开发感觉没什么加成…但又担心初创公司title问题…有无佬支支招

主包原来是Java选手，后面加一个Agent项目，反而Agent开发约面约的多。现在手上有一个智己的内部Agent开发，不知道要不要去。

4/20小厂agent一面复盘1、自我介绍，今天加了句 不知道我的技术栈对不对口 ，面试官就说他们也是go+agent，挺对口的，放松了一点点2、第二个项目2.1 LangGraph和LangChain的区别。LangGraph是状态机，对循环/分支的支持更好，比如我这里的路由会根据用户的问题走不同的分支，blabla面试官问用到循环了吗，我说效果不好的话会循环回去，但我这里比较简单【补充可控性/可观测行的差异】：状态显示、便于trace、调参。3.2 多agent了解吗没在项目里用过，只是了解。比如plan一个agent、执行一个agent、评估一个agent，她们各自分工又互相协作完成复杂的任务。【补充多agent适用场景、代价】适合做任务可分解、子结果可验证的场景，代价是token成本上涨、延迟变慢、调试复杂。3.3 学一下多agent的通信机制。函数调用、RPC。【消息格式】：需要包含role、内容、ctx等（json）【共享状态】：共享全局记忆，任务状态记录、中间过程记录【调度方式】：集中式、去中心【一致性】：冲突解决、投票/评分3.4 GraphRAG的优点传统的RAG只能做向量检索，GraphRAG的话加上实体抽取利用多跳机制，不需要检索全库的向量，而且通过扩展邻域检索更加相近的内容。【多跳关系推理】：不仅是相似度检索，更是 因果/关联链条【可解释性】：给出路径/邻居/证据块3.5 怎么做容错的？没做。只做了证据溯源，相当于肉眼判断吧。答得有点灾难【输入层】：提问非领域---澄清【检索层】：证据不足---换检索策略、调topk；图检索失败--回退向量检索。【生成层】：避免胡编/与证据不一致---触发检查【harness】：记录成样本3、第一个项目3.1 redis的缓存穿透和击穿。击穿用的singleflight、穿透用的空值缓存。别的防穿透方法就是布隆过滤器、加锁、或者也可以做非法请求校验（毕竟穿透解决的是非法请求）【缓存雪崩】：随机ttl抖动3.2 缓存在项目中是怎么用的？一个是用户个人页面的视频列表缓存，一个是姿态分析结果的缓存，通过前端轮询来获取分析数据。【补充key、val】：视频列表缓存，key是userID，val是视频元数据的json。分析结果缓存，key是视频id、val是结构化的建议。3.3 webSocket和SSE了解吗了解一点，但项目里没用到。一个是全双工，一个是流式传输。【如果要改进】可以用SSE试试推送分析进度3.4FFmpeg的瓶颈在cpu还是io答不上，面试官说在IO，可以利用redis的IO多路复用优化并发。【cpu】：top/htop---将分辨率【磁盘】：iostat----分片上传3.5 worker的数量如何确定记不清了，只记得和核有关。负载增加的话可以动态扩容。3.6 goroutine panic了会怎么样？栈展开、defer、recover捕获【补充配合ctx做取消】3.7 追问recover里面做了什么业务处理？没做业务处理，制作了错误输出。3.8 context父context取消，子也会取消。值传递的话http请求链用到了元数据传递以及tracer【加NACK】消息重试/放入死信队列4 aicoding代码质量、review怎么做的？我只回答了测试。面试官说可以借助rules、skill做限制【生成前】prompt/rules 限制技术选型、明确接口定义、必须做单测、必须错误处理【生成中】skill定义业务逻辑等等【生成后】：单测、并发安全

1.平时是否做过 模型微调-聊聊你知道哪些微调手段- lora 需要微调哪些参数2. 是否做过大模型部署- 使用什么框架？-是否了解量化3.说说你对RAG的理解- RAG 检索使用了 稠密检索还是 稀疏检索 二者区别。-是否看好当下的RAG技术，你认为未来RAG会如何发展- 当前 RAG 有什么问题- 你提到 推理能力差，有什么好的解决方法- 当前 比较流行的 agentic RAG self-rag graph rag 都分别是干什么的-（面试官回，不看好rag，未来是长上下文时代）聊天：1.再次重申了一下业务，我看你经历更多偏做 agent相关，我们组更偏做测试以及运营，以及线上维稳，可能一面面试官没和你说明白，你是否还愿意来（拒绝了）2.开始就未来AI发展以及自身简历展开讨论（面试官超赞）-20min