求求指点下agent简历，海投都约不到面

做过校招也做过社招，筛过上千份简历，我想说：学历决定你的简历能否被看到，实习决定你能走多远。1.在简历筛选（尤其是大厂/名企）：学历是最高效的初筛过滤器。学校&学历不达标，简历很可能根本就进不了HR的手动筛选系统。这就是现在残酷的现实。 2.在面试评估阶段：实习经历是绝对的王炸。当你和另一个名校生同场竞技时，一段扎实、有产出的实习经历（尤其是相关岗位的）能直接决定胜负。面试官一定会深挖你的实习细节，判断你的真实能力。对于非顶尖名校的同学：用实习“砸”开门。集中精力刷2-3段高相关性的、有成果的实习。把你的简历变成“经验说明书”，而不是“学历通知书”。有太多用漂亮实习经历逆袭的同学。学历...

基础理论：什么是AI Agent？与传统AI的核心区别是什么？ 什么是ReAct框架？核心循环（Think-Act-Observe）如何实现？如何为Agent设计高效的动作空间（Action Space）？模型微调、提示工程与Agent算法设计是什么关系？架构与实现：MCP协议，它与A2A协议有什么区别？LangGraph等框架中，如何实现Agent的状态管理与节点级修正反馈？如何为长上下文任务设计Agent的Memory系统？Agent工具调用失败时，有哪些处理策略和降级方案？Agent的性能？线上数据如何回流反馈？

1. 全参数微调的显存一般怎么估算全参数微调的显存不能只看模型参数本身，真正上线训练时至少要把参数、梯度、优化器状态和激活值都算进去。最粗略的估算方式是：如果模型参数量是 N，训练精度是 bf16，那么参数大约占 2N 字节，梯度再来一份 2N，如果用 Adam，还要额外保存两组一阶和二阶矩，通常再加 4N + 4N 字节。也就是说，不考虑激活值时，单参数相关内存大致可以按 12N ~ 16N 字节估。真正把 batch size、sequence length、checkpointing、并行策略加进去后，激活值往往才是大头。所以面试里如果只答“参数量乘 2”基本不够。更稳的答法是先给出静态...

携程面的一坨字节也挂了这下真找不到工作了😭