实习期间参与的项目，聚焦于合同审核场景，本文以合同审核为例，针对在垂直落地场景中，为什么需要做sft微调展开简单的讨论和个人的一点见解。 传统合同审核系统依赖规则编写和关键词匹配，局限性突出： 一是规则需人工逐条维护，新增合同类型（如技术许可合同）时，需重新梳理数百条规则，迭代效率极低； 二是无法处理模糊表述，如“合理期限内整改”“适当补偿”等条款，关键词匹配会直接漏判； 三是不具备推理能力，无法关联多条款风险，如管辖地与争议解决方式的逻辑冲突。二、为什么需要SFT——教模型学会“思维”对合同审核场景而言，基座模型就像刚掌握法律基础的实习生，懂术语但不懂业务判断，SFT本质就是用高质量业务数据...

一面问我后端，微服务数据库redis消息队列，计算机网络操作系统八股。二面问我agent，mcp，智能体框架，langgraph，多智能体协作范式，sse，react，function calling，CoT，few-shot，幻觉，记忆管理，rag流程和优化，工作流。三面问我有没有部署过大模型，微调，强化学习，目前垂直落地领域和常用架构等。

#聊聊Agent开发#1. 状态（State）代表应用程序当前快照的共享数据结构可以使用 TypedDict 或 Pydantic 模型定义包含作为所有节点和边输入模式的模式（schema）通过减速器函数（reducer functions）进行更新，指定如何应用更改1. TypedDict 和 Pydantic 是什么？它们都是定义状态结构的方式：、简单说：都是用来定义你的数据结构，就像数据库的字段定义。 #pydantic方式 from pydantic import BaseModel class State(BaseModel): messages: list llm_calls: i...