遥望科技（Agent开发）面经

1. 你对Graph和DAG框架有什么理解？2. 有向无环图（DAG）与含循环图（如循环RAG）的区别是什么？3. 有向无环图（DAG）适合什么场景？含循环图（如循环RAG）适合什么场景？4. 针对“每日自动分析并编排工作计划”的需求，该如何设计架构？是否需要结合循环RAG架构与短期记忆机制？5. 对于“每日自动分析并编排工作计划”的需求，应将能力沉淀为Skill还是长期记忆以实现持久化？6. Multi-Agent编排中，可能会出现死循环或Agent间推诿的问题，该如何监控与规避？7. 长流程中大模型输出被截断（如代码/文档不完整），有哪些工程化的解决手段？8. 从Prompt层面，如何解决大模型输出被截断的问题？（如few-shot示例、自校验机制）9. 从代码层面，如何解决大模型输出被截断的问题？（如重试逻辑、后处理清洗）10. MCP与Skill的区别是什么？11. 怎么设计一个大模型网关系统？12. 大模型未来在Skill能力上的发展趋势是什么？13. 请说说你的项目参赛经历，以及你在团队中担任的角色（如小队长）和具体负责的工作？14. 你是否考虑将参与的项目转化为创业方向？15. 你的毕业时间是什么时候？16. 你目前的状态是什么？（如全职实习）17. 大四是否还有课程？后续返校需要完成哪些事宜？

如果AI时代你还要花钱学Agent，我劝你别做AI了😅 钱交了也不一定能找到工作，开源资料很多，而且还有很多AI软件，你完全可以进行自学！教大家最直接的打法：做个AI项目+写简历+投递面试，没有实习你就找个小公司AI业务实习，管他钱多钱少，最重要的是你要真实的接触业务场景啊！！！！ 当然如果你运气好，能进大厂，那更是锦上添花了！！！最基本的路线：1、了解什么是Agent？2、市面上最前沿的讨论是什么？3、怎么做个小项目？看了很多同学的简历，其实大部分都是玩具项目，没啥数据也没啥使用，这个不要紧，重要的是会做！会用AI二次解构一些项目，例如烂大街的“点评”项目，你完全可以用AI进行二次解构，如...

项目背景与动机1. 能细节介绍一下你最近的多记忆健康问诊项目吗？（解决了什么问题、你担任什么角色、遇到什么难题）2. 这个项目是实习中做的还是自己开发的？3. 什么触动你去做这个项目？切入的初衷是什么？记忆系统设计1. 用一个例子解释一下你的 Memory 是怎么做的，以及怎么插入上下文的，怎么考虑上下文长度问题的？2. 你结构化信息和文本信息之间如何区分？会不会重复？3. 记忆冲突怎么解决？比如用户前后说了不同的过敏信息？4. 记忆是怎么写入上下文的？上下文从头到尾结构是怎样的？5. 上下文结构是不是：System Prompt + Memory + Tools Result + Conversation 这四个环节？6.上下文超长了怎么办？有没有考虑过上下文压缩？7. 压缩过程中会丢失工具调用历史，导致模型重复调用工具，这个问题怎么解决？RAG 与检索1. 为什么用 RAG 去检索 Memory？为什么用向量这种方式？2. Memory 的检索是分层次的吗？具体怎么设计的？3. 检索中遇到了什么痛点？4. 可观测性 / Trace5. 整个框架是很依赖埋点的，你觉得怎样的结构才能更好地追踪整个 Trace？6. 日志怎么结构化？为什么要这么结构化？7. 跨 Session 是否需要记录日志系统？AI Coding 能力考察给了一道股票买卖题，要求用文字描述问题背景、边界条件，并设计解题思路感想:项目深度不够，答得非常之烂，也是第一次遇到ai coding题，完全懵了，还要继续沉淀

Q1：大模型是怎么让生成的文本丰富而不单调的呢？答案：从训练角度来看：基于Transformer的模型参数量巨大，有助于模型学习到多样化的语言模式与结构；各种模型微调技术的出现，例如P-Tuning、Lora，让大模型微调成本更低，也可以让模型在垂直领域有更强的生成能力；在训练过程中加入一些设计好的loss，也可以更好地抑制模型生成单调内容；从推理角度来看：基于Transformer的模型可以通过引入各种参数与策略，例如temperature，nucleus samlper来改变每次生成的内容。Q2：什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？答案：Bert 的...