agent开发学习路线

1.自我介绍完问基本情况，是否保研，大四时间是否充足等等2.问项目，面试官说对我简历上一个项目不了解，让我先介绍一下这个东西，然后提出了自己的一些疑问，包括实际应用中可能遇到的问题以及要如何解决3.问实习，主要围绕应用的场景、Agent Memory优化手段、幻觉问题如何解决，还让我讲了实习中最值得说的工作4.没有八股题5.手撕:第一题做过但忘了，只记得要双指针，具体指针怎么移动给忘了，第二题没有怎么学过LRU所以有三题 T T(1)给了一个整数数组和目标值target，如何找到数组中相加之和为target的两个数(2)写一个LRUCache的队列，实现get和put函数

面试时，不少候选人会被问到：“你在Agent项目里具体做了什么？是Prompt写手，还是负责系统设计？”这个问题的本质，是面试官想判断你是否真正理解Agent的决策逻辑与多工具工作流设计，而非只会堆砌关键词。今天我们从实战角度，把“Agent简历的写法”讲透——核心是让面试官在3秒内看到你在Agent架构中的核心贡献。一、核心观点：写Agent项目，核心不是模型，而是“模型如何调用工具”很多人写Agent项目时，会用这类笼统描述：“参与构建智能客服Agent，使用大语言模型提升问答准确率。”但真正能体现工程思考的Agent简历，应突出两个核心：模型如何自主决策调用工具（Tool）你如何设计了整...

1，介绍RAG流程；介绍对编码模型的了解、原理、优缺点；如何评估编码模型的能力2，RAG有哪些分类；多模态RAG有哪些实现框架；伪多模态RAG和多模态RAG分别怎么实现，有什么区别；CLIP可以用于哪一类多模态RAG，为什么3，RAG怎么评估，RAG评估体系中最重要的是什么4，传统RAG有什么痛点；介绍GraphRAG，GraphRAG的难点是什么；GraphRAG如何应对增量场景5，介绍微调负责的工作；大模型微调最重要的是什么6，后训练有哪些方式；微调有哪些方式，分别是怎么做的；LoRA原理及参数量7，介绍DPO；DPO与PPO的区别8，介绍一些Agent的实现框架；这些框架有什么区别；LangGraph适用于什么场景；LangGraph构建Agent的方式有哪几种9，我这里有个场景，就是客户输入一个软件或网页界面截图，怎么通过RAG的方式帮助用户了解界面的每一个组件的作用，输入输出自己定义；相似的组件如图片框和视频框怎么去区分10，算法题：2n+1个数，两两成对，找出单独的那个数11，反问

你是否想打造一个靠谱的知识客服，或是搭建能精准回答问题的知识库？这就绕不开一项核心技术——RAG（Retrieval Augmented Generation），中文译为“检索增强生成”。听起来高大上的技术，核心逻辑其实很简单：先从资料库里检索相关内容，再基于这些内容生成答案，即“先检索、再生成”，这也是其名称的由来。作为目前最常用的AI问答方案之一，RAG已广泛应用于企业知识助手、智能客服等场景。本文将从应用场景、核心原理、流程拆解、专业名词解析等方面，带你全面掌握RAG技术，搞懂高质量智能问答系统的构建逻辑。前言我认为AI的基础知识是现在求职和实际工作所必须掌握的，不管是算法还是后端前端岗...