1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

我不上课，我要实习😡，这约面是真难啊，投了4天了就约到两个，一个笔试，一个面试

1. 什么是 LangChain？LangChain 是一套面向大模型应用开发的框架，核心目标不是替代模型本身，而是把模型、提示词、检索、工具调用、记忆、链式编排这些能力串起来，方便做复杂应用。它更像是“应用层基础设施”，把原本散落在 prompt、API 调用、向量库、工具调度里的逻辑统一起来。2. LangChain 包含哪些核心概念？LangChain 里比较核心的概念主要包括 Chains、Components、Prompt Templates、Example Selectors、Output Parsers、Indexes、Retrievers、ChatMessageHistory、...