1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...

其实是简历求拷打 各位佬尽情拷打吧

一、基础打底（所有人必学） 1. 编程基础（核心：Python） Python语法、函数、类、文件IO、异常处理 常用库：requests、json、pydantic、asyncio 数据结构：列表、字典、队列、栈、图（基础） Git基础：代码管理、分支、提交 2. AI与大模型基础 LLM原理：Transformer、上下文、token、幻觉、温度 主流模型：GPT4o、Claude 3、Qwen、Llama 3、DeepSeek 模型调用：API密钥、请求格式、流式输出、错误处理 基础NLP：意图识别、实体抽取、文本分类、摘要 3. 提示工程（Agent灵魂） 基础：角色设定、清晰指令、格...