RAG不仅能解析普通文档知识，还支持Git代码库的拉取与解析，并提供完整的操作接口。它可以在项目开发的全流程中提供支持，需求分析、研发设计、辅助编码、代码评审，都能提供帮助，就是付费，然后感觉介绍的太高大上了，勉强凑合用吧

1. 介绍某实习公司中负责的关键词命中系统、文档提取系统具备的有特点的功能2. 基于AC自动机构建违禁词匹配的查询结构，在实际应用中是如何实现的3. 某实习公司技术栈中是否考虑过Hive、Spark这类大数据链路的应用4. 关键词命中系统优化的核心目的是否为提升查询性能，具体优化思路是什么5. Redis在关键词命中系统增量更新环节的使用方式，是否存在大key、大value问题6. 说明Redis出现大key、大value（如一个key对应几MB的value）时会引发的问题7. 关键词命中系统中Redis采用订阅发布方式监听时，多key场景下的轮询、监听该如何处理8. 关键词命中系统中处理emoji表情包存储时，涉及的Mysql存储引擎相关知识9. 关键词命中系统中emoji表情包的匹配为何需要用到AC自动机，大批量数据场景下AC自动机的应用逻辑10. 某实习公司中做Mysql治理的具体收获，展开说明相关优化手段11. 介绍某项目中AI相关的实践内容，以及对React agent、Multi agent技术栈的理解和应用12. 某笔记管理网站前后端技术栈的选型思路13. 腾讯云MCP的具体功能，以及其内部提供的工具能力有哪些14. 说明MCP、skill、function call三个概念的区别和相关性15. function call在RAG知识库中的业务逻辑实现细节16. skill在被agent使用后是否会占用上下文，其设计的核心优势是什么17. 开发agent时使用的框架和开发语言分别是什么18. 若要让大模型实现类似cloud code、cursor的编程工具功能，具体该如何实现19. Multi agent中plan的设计思路，以及在实际场景中的应用方式20. agent在长任务执行后上下文接近阈值时，采用何种机制做上下文的压缩21. 开发agent过程中，上下文管理有哪些具体的方式，该如何匹配对应的agent使用场景

有面试过同岗的朋友欢迎评论区交流！1.若用户量大幅增长，实习的项目相关系统能否应对，瓶颈是什么?2.你平时会使用大模型处理哪些任务，觉得大模型在哪些任务上处理得好，哪些任务处理得不好?3.你做的另一个项目的核心目标和整体架构是什么?4.你做的另一个项目是生成文档还是生成核心代码?5.你做的另一个项目若工业界落地失败，会如何处理?6.你做的另一个项目在记忆模块设计上有什么思路，如何让相关技能更好地发挥作用?7.你做的另一个项目中，模型是如何选择的，有什么选择依据或方法?8.大模型幻觉问题该如何处理，服务化过程中会产生哪些相关问题?9.你做的另一个项目现在能否在本地运行?10.RAG的优缺点有哪些?11.多任务相关模型有什么适用场景?12.常见的Agent产品有哪些特质?13.若发现项目中模型执行不成功，会如何处理?14.长期记忆相关设计中，关键关注点有哪些?15.从整体设计角度，长期记忆相关功能会从哪些角度考量?16.长期记忆相关设计还有哪些可优化的点?17.Agent领域的发展趋势是什么?18.若代码生成成本越来越低，工程师的核心竞争力会发生什么变化?19.平时会通过哪些渠道关注AI技术动态?20.最近有没有遇到让你觉得印象深刻的AI应用，其情节或功能有较大亮点?21.进入项目后遇到新的工具技术，会如何评价技术是否能解决问题?

“如果想要去ai相关的岗位实习，需要先学习什么内容，可以给个学习路线吗（比如先要学习什么做基础然后学到什么程度之类）。”这是很多同学想了解的问题,我浅谈一下自己的学习路线，仅供参考。阶段一：打好地基 🧱Python编程：重点掌握核心语法、数据结构和面向对象（OOP）思想。目标：能熟练使用Python解决问题，至少刷完LeetCode简单和中等难度的题目。数学基础：理解高数、线性代数、概率论的核心思想。目标：不要求背公式，但要懂原理。阶段二：迈入核心 🧠机器学习基础：学习监督/无监督学习、分类、回归等经典理论。目标：熟练掌握NumPy、Pandas、Scikit-learn这“三件套”，能独立完成一个简单项目深度学习入门：理解神经网络（NN）、CNN、RNN等核心概念。目标：推荐PyTorch框架，并能搭建一些小项目。阶段三：垂直深耕 🚀针对心仪岗位（以AI Agent为例）针对学习，了解相关岗位需求大语言模型 (LLM) 基础：核心是理解Transformer模型原理并学会如何调用GPT等大模型的API。Prompt Engineering：学习如何写出高质量的提示词，让LLM精准理解你的意图Agent开发框架：重点学习LangChain或LlamaIndex。目标：能用框架调用LLM、连接外部知识库或工具，并搭建一个简单的应用阶段四：动手实践 💻项目是简历的敲门砖！ 可以利用前几个阶段学习的内容写一个小项目，将代码上传到GitHub，并写一份清晰的README文档，可以成为你面试时的Demo。可能很多时候一开始摸着石头过河会有点迷茫，但最重要的是一定要多动手、多实践