最近面的+朋友面的累计有10场，9场都提到了RAG问题，问法都大差不差，大概是RAG的原理，存在问题和怎么解决。也顺便做个复盘吧！1.原理索引（准备数据）、检索、生成2.存在问题和解决方案这个答案不拘一格啊，找几个自己记得住的就行核心也是围绕上面三个原理来的索引阶段：eg  分块策略不好 - 优化分块策略，用语义分块、滑动窗口、父子索引啊等等检索阶段：eg  语义理解不准确  - 用混合检索生成阶段：eg 幻觉 - 外挂知识图谱

大家好，我是@程序员花海，眼下 26 届春招、27 届暑期实习全面开启，后端卷到没边，AI Agent的岗位占主导，很多牛友在我的评论区留言，想让我出一份Agent学习路线。我特意去看了下，打开淘天的招聘页面，以校招为例，一眼望去全是AI相关的岗位，只能说之后绝大多数岗位都会快速推进AI的落地和实践。之前写过 Java 后端 3 个月抢救路线https://www.nowcoder.com/discuss/824693499982315520?sourceSSR=users，也收到了牛友们的强烈好评，这次专门给后端转 Agent做一套最少必要知识路线—— 不堆概念、不啃论文，只学面试必问、项目...

1. 为什么做Agent项目？2. 了解过市面上有哪些智能体agent吗3. 讲下Agent项目4. Agent项目开发的框架5. 介绍一些AI大模型6. RAG系统流程7. MCP和Function Calling8. 如何写好的prompt9. 多轮对话的实现方案10. Agent项目背景11. LLM产生幻觉的原因及解决方案12. MCP协议的核心内容13. 推理模式的差异化设计14. RAG检索优化策略15. 特定推理模型不支持MCP的技术原因16. Agent推理模式17. 跨模块错误追踪的Agent知识库构建方案18. 多Agent执行策略的智能选择和切换机制设计19. 简历关键词提取的技术实现20. RAG评估方案21. SSE的局限性22. 举例复杂任务下执行流程23. MCP通信方式24. 项目中AI贡献的代码占比25. Prompt工程的实践经验26. 基于代码构建知识库的Agent设计27. A2A协议28. 长文本生成的技术方案29. Agent skills30. 演示Agent项目实现细节31. 了解其他的Agent范式吗32. 模型预热机制33. NL2SQL场景下的SQL安全防护34. 复杂任务执行准确率提升的评估方法35. AI辅助IDE开发工具36. RAG动态知识更新37. MCP和skill区别38. 推理模式的选择机制39. 企业内部知识库RAG的动态持续更新方案40. Prompt设计示例41. A2A与MCP区别42. 多阶段召回策略优化43. AI辅助开发的实践经验面试官主要最爱问的就是讲一下你的 Agent 项目整体架构 & 执行流程RAG 全流程 + 检索优化怎么做的Tool 调用 / Function Calling / MCP 机制原理多轮对话、上下文记忆、幻觉怎么解决

1、自我介绍2、讲一个你做过的最有代表性的 Agent 项目3、如果让你设计一个通用 Agent 框架，你会怎么设计我会把它拆成六层。最上面是接入层，处理用户请求、鉴权、限流和会话管理。下面一层是理解层，负责意图识别、槽位抽取、风险识别和任务分类。再往下是规划层，根据任务复杂度决定是直接回答、走工作流，还是做多步规划。中间一层是记忆和上下文层，统一管理短期记忆、长期记忆、任务状态和检索到的证据。再下面是工具层，把所有外部能力封装成标准化 skill，包括描述、参数 schema、执行逻辑和异常处理。最底层是执行与评测层，负责模型调用、工具执行、结果回填、日志埋点和效果评估。如果要做成工程上可维...