一面：1.agent会话中redis是怎么存储的？key是怎么设置的？2.skills是具体是怎么设计的？3.工具是通过什么样的方式暴露给ai的?4.为什么没有选择使用mcp暴露？5.如果工作量特别大的话，把所有工具都塞给提示词会出现什么问题？6.在工具调用的情况下，比如说大模型调了一个不存在的工具，或者调用的时候参数传错了怎么办？你是怎么降低这个情况的？7.讲解一下ReAct框架8.ReAct框架有没有什么优缺点？9.说一下langchain和langgraph的区别？分别的痛点10讲一下项目中的langgraph的状态转移机制11.大模型产生幻觉的原因有哪些？？有什么手段可以缓解这个问题1...

菜鸡求拷打，最近想找一段暑期或者日常实习，hot100目前还在二刷，八股看了一半，去年找了一段小厂实习，干了两个月太水了就提前离职了，期间做了个玩具项目，甚至都没有上线，包装一下就写进简历了，把原来的外卖替换掉了，另一个是点评，今天下午ssob沟通了一百多，有要简历的但是之后就已读不回了，求各位大佬指点

我今天的ai coding还没考，咋就发了测评和面试😅😅那我ai coding还要考吗😅😅😅😅

1、讲讲什么是 RAGRAG 是 Retrieval-Augmented Generation，也就是检索增强生成。它的核心思想不是只靠大模型参数里记住的知识回答问题，而是在回答之前，先去外部知识库里检索和当前问题相关的内容，再把检索结果作为上下文交给模型生成答案。完整流程一般分两部分。离线侧先做文档接入、清洗、切片、向量化和索引构建，把知识变成可检索的形式。在线侧收到用户问题后，先做 query 改写或纠错，再去知识库召回相关片段，必要时做 rerank 重排，最后把用户问题和证据一起送给模型生成。RAG 的价值主要有三个：让模型获得训练时没有的外部知识让知识更新不依赖重新训练模型让回答更容...