避雷广州舜飞科技

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

实习快2个月了，我们组除了我以外，还有一个实习生，他入职时间比我早，实习3个多月了，他想转正。我俩关系不错，经常一起吃饭、一起下班。然后他跟的一个项目不是特别顺利，需求一直变、上线节奏也一直拖，他就特别担心没产出。昨天快下班的时候，我想着等他一起下班，但他跟的那个项目又出问题了，就让我先走。我准备走的时候，我mentor突然问我：你想转正吗？然后又说没事，你先回去吧。我刚出门，他又突然给我发信息。。。不是，这啥意思啊！我是不是说错话了？他是不是发错人了😥--------我其实不太想转正的，虽然我是双非，但我秋招还是想冲一个大厂😅

本人非代码专业+双非学校，目前在转行做AI工程师，好多人私信我具体怎么学的、有没有系统性的资料推荐。其实我当时也没有找到一套特别完整的——要么只讲理论不写代码，要么只覆盖某个方向，要么英文的看起来太累。后来我在 GitHub 上找到了这个项目：AI Engineering from Scratch，24k+ star。它把 AI 工程从数学基础到多 Agent 系统全部拉通了，20 个阶段 468 节课，每节课都有可跑代码。跟我当时的学习路径基本对得上，只不过人家结构化做得比我好太多了。但全是英文的。我知道很多人英文阅读没问题，但学新东西的时候还得同时处理语言层，确实会慢不少。所以我就花了点时...

1、完成RAG 5个八股的理解和记忆2、完成Agent 5个八股的理解和记忆3、完成三道力扣hot100的算法4、完成小厂的ai应用开发的面试1、claude code codex的内存压缩机制2、harness工程了解比较片面3、对于你这个项目中的RAG的向量数据库当中的数据，有些用户无法查询这个向量，如何处理？，有些用户可以查询        这个向量数据库如何处理?4、skills是什么5、介绍一下Rag5、面试总体比较舒服，面试官也给我建议，让我多看一些harness的实现。备注:如果我没打卡，那就是当家教去了。毕竟趁周末干几个小时，能挣600.