在字节校招干了快一年，做agent方向。虽然是agent但是组里背景几乎都是传统后端，整体也是业务很重。个人还是想去做比较ai native的东西，偏harness那一套的，个人稍有涉猎ai infra和算法那些，对于应用层的潮流比较熟悉。不知道未来的方向如何选择，问问大家。顺便问问有没有哪边招这种scope比较大的，能够不那么后端的岗位？想活水seed的一些agent岗位不知道可不可能，诶

最近每一篇面经中，都会被问到“对AI的了解”，如果2026年你想要从事高薪岗位，那么Agent一定不能错过！面试官说：2026年就是Agent元年！给大家免费分享我的Agent知识库！ Q1: 你如何定义一个基于 LLM 的智能体（Agent）？它通常由哪些核心组件构成？ LLM Agent 是以大语言模型为"大脑"，具备感知环境、自主决策和执行行动能力的系统。核心组件包括四个部分： ①规划模块（Planning）：将复杂任务分解为子任务序列，常用 CoT/ReAct/ToT 等策略； ②记忆模块（Memory）：短期记忆即当前对话上下文（存在 context window...

本人简历上 1 个 RAG 项目 + 1 个 Agent demo；这次面的是AI岗一面前我以为：背完八股 + 把项目讲清楚，应该能稳过。0-5 min：自我介绍 + 项目背景- 顺利。讲清楚了我的 RAG 是给法律咨询场景做的，痛点是大模型不懂行业术语。5-20 min：项目深挖（开始崩）- Q1：你的法律文档总共多少？切了多少个 chunk？- 我：约 500 份 PDF，5 万个 chunk- Q2：500 份 PDF 加起来才 5 万 chunk？平均每份 100 个 chunk，你切片粒度是多少？- 我：512 token- Q3：法律文档里"第三条第二款"和"第三条之二"是不同含义，你的切片会不会把它切散？- 我：（沉默 5 秒）……应该会- Q4：那你怎么解决？- 我：我可以加一个 metadata……（开始编）❌ 第一次崩：切片粒度没考虑业务语义。20-35 min：评测体系（继续崩）- Q：你怎么知道你的 RAG 有效？- 我：我用 Recall@5……- Q：评测集多少条？怎么构造的？- 我：100 条，我手工标注的- Q：100 条够吗？分布怎么样？- 我：分布……我没分- Q：那你的 Recall@5 是 0.81，你怎么知道这个数字是好是坏？baseline 是什么？- 我：（沉默 10 秒）❌ 第二次崩：没有 baseline，没分布分析，纯靠"看起来还行"。35-55 min：Agent 部分（彻底崩）- Q：你的 Agent demo 用了几个工具？- 我：3 个，搜索、计算器、文档查询- Q：当用户问一个问题，你的 Agent 怎么决定调哪个工具？- 我：用 ReAct，让模型自己决定- Q：模型决策错了怎么办？- 我：我加了个 reflection……- Q：reflection 失败 3 次后怎么处理？- 我：（沉默 15 秒）……我没想过❌ 第三次崩：异常路径完全没设计。55-65 min：业务理解 + 反问- Q：你觉得字节做 AI 应用最大的瓶颈是什么？- 我：算力？数据？- Q：你看过哪些字节最近发的 AI 产品？- 我：豆包、扣子……- Q：扣子是 Agent 平台还是工作流平台？- 我：（再次沉默）❌ 第四次崩：对面试公司业务一无所知。

大家好，我是@程序员花海。最近帮同学改 Agent 项目简历，发现一个通病：项目写得像个技术名词堆料，什么 LangChain、RAG、多智能体、微调全往上写，看着高大上，面试官一问细节就露馅，连自己写的项目都讲不清楚。今天直接拿一份典型的 Agent 项目简历，手把手给你们改一遍，从项目简介到每一条职责，教你怎么写得让面试官眼前一亮，而不是看一眼就划走。先给你们看一眼原始版本，很多人写 Agent 项目，基本都是这个模板：项目简介写得又大又空，技术栈列一堆名词，个人职责像个流水账，全是做了什么，没说清做成了什么、解决了什么问题、体现了什么能力。原始版本（问题很大）基于大模型的多智能体谈判策略...