一个小小的rag练手项目，这里把一整本小说生成向量库，然后要求ai根据它回答问题但在我问叶凡是谁（小说主角）他回答的十分片面，这是因为我设置在回答问题时只检索三段文本块，在面对总结性问题的时候根本没效果，下一步是提供一些在此场景下的工具，这些工具能增多检索的文本块、map-reduce、refine、rerank之类的。项目的完全体我打算采用graph rag让ai完全理解小说里个实体的关系但是好像graph rag需要很好的硬件配置？到时候再说。😋

最近发现一个宝藏开源项目 learn-claude-code，特别适合想入门 AI Agent 开发的同学。这个项目不是教你"怎么用 Claude"，而是带你从零搭建一个类似 Claude Code 的 AI Agent 系统，理解背后的架构原理。 项目地址：https://github.com/shareAI-lab/learn-claude-code  三个核心概念你必须掌握 1. Context Engineering（上下文工程） 确保 Agent 能访问正确的信息。静态知识（AGENTS.md、架构文档）+ 动态数据（日志、CI/CD 状态）共同构成 Agent ...

1.如何设计一个 Prompt？Prompt Engineering 有哪些技术？（ 5 次）2.什么是 AI Agent？谈谈你理解的 agent，以及如何理解其推理、决策与自主规划执行的能力？（3 次）3.什么是 Function Call？它的实现流程是什么？一般应用在哪些场景？（4 次）4.文本向量化的目的是什么？使用的向量模型、向量存储工具分别是什么？（3 次）5.RAG 的概念是什么？其具体实现流程（包括 chunk 划分、向量搜索、重排序等环节）是怎样的？（3 次）6.LangChain 的核心功能是什么？基于 LangChain 会调用哪些类型的模型？（2 次）7.大模型的调用方式是什么？本地部署大模型会用到哪些框架？（1 次）8.大模型 server 是如何部署的？提供了哪些接口？是否支持流式输出？（1 次）9.ReAct 的实现原理是什么？其 Prompt 设计和工程落地分别有哪些要点？（1 次）10.对 AI 编程、开源项目、Vibe Coding 分别有怎样的理解和看法？（3 次）

1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...