给我面没招了，发点面经攒攒人品～1. 说一说对 AG-UI 协议的理解，这个协议的初衷是什么，具体是怎么实现的，有哪些基础的事件类型；2. 在 LangGraph 框架实现 Agent 的时候，如果想实现节点级的修正反馈该怎么做？3. Agent 产生的流式 response 是如何进行存储的？合并的时机是什么？选择什么样的数据库？4. LangGraph 实现 Agent 时，如何做到精准的意图识别？5. LangGraph 每一个节点在选择大模型的时候如何考虑？6. 意图识别节点的模型进行 SFT 之后的灾难性遗忘现象如何解决？7. Agent 的评测流程是怎样的，线上回流数据如何反馈修正？

TEG网络研发部。半小时多结束，感觉是kpi。后台开发岗位纯靠回忆，有些问题和细节忘了。自我介绍介绍之前实习内容（之前做的数据库），没深问技术细节，除了实习工作，就问了下对公司产品的场景，架构理解。了不了解消息解耦，比如多个终端产生海量数据存入数据库的问题，答的用消息队列集群的控制节点怎么确定的，raft协议了解吗，说说流程。（很久之前看的了，答了选主，多数派原则，心跳。忘记答关键的WAL日志了）了解什么消息队列（RabbitMQ），与其它产品（如kafka）对比。mysql MVCC实现原理mysql 三个日志介绍。redolog和binlog区别。redis分布式锁redis缓存雪崩，穿透...

问到意图识别，面试官通常想看你怎么做真实判断：用户一句话进来，如何识别主意图、补全上下文、处理歧义和多意图并存，什么时候追问，什么时候直接执行。再往下，还会看你的分类策略、置信度机制和误判兜底。

全篇不会教你怎么去给Agent创建Skill，而是教会你什么是好的Skill、坏的Skill以及究其原因。什么是Agent Skill一个根本性的误解大多数人听到“Agent Skill”，首先想的是：教会AI去做某件事情但是你有没有想过，现在的大模型已经不知道喂了多少东西了，像维基百科、Word问单号、github代码仓这些，都不需要你教给大模型那么Skill到底是个什么？Skill是知识的外化机制从作用机制上来说，Skill其实教会模型怎么去做？传统AI，知识都被锁在了模型参数当中，你如果像给模型去塞一些新的技能？怎么做？ 传统方式： 收集数据 → 设置 GPU 集群 → 参数训练 → 部...