1. Agent 的架构设计一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是“能不能想”，而是“想完之后能不能稳定执行”。2. RAG 的检索如何实现RAG ...

27届双非本计算机专业，感觉前后端挤满了人 ，于是转AI产品经理 ，学习相关知识 ，做项目改简历，但是投了半个月简历，打招呼了1k➕，只有3个约我面试，还都是那种0-20人的公司，我感觉有点不靠谱，我觉得怎么也得是中厂啊…是简历有问题吗，求指点，还是现阶段没实习没学历的我只能先去这种公司

绷不住了

1.介绍团队是干什么的2.问笔试题目，没做出来的都问了一遍。3.问prompt:(1)看我a了37.5%，问我知不知道如何改进？(2)prompt工程一般怎么写？(3)你说到可以给输入输出案例，落到底层原理上大模型是怎么做的？(4)你说到可以给定“按json输出”，如果我拿到的结果不理想(非json)，你觉得如何改善(5)你说可以使用** content **来加强引用，具体到底层大模型如何识别的？4.如果一个用户反馈大模型给的不准，你如何排查？5.了没了解过deepseek的深度学习，它的具体详细的思考过程是怎么样的？6.看到我写了RAG(1)RAG是什么时候出现的？(2)了没了解过抖音、谷...