宇树科技实习AI agent开发一面分享

听说部分互联网厂的员工在工位上猝死可得5倍年薪赔偿？ 我发现互联网还有献祭流这种玩法啊。假如生命只剩5小时，我建议4个小陪伴父母，半小时自己去买点好吃的，剩下半小时直接打开mac开始办公。来吧，互联网职业生涯的最后一舞！ 互联网这个版本的强度还是太超标了啊！ 至于为什么会猝死你别管。#牛客AI配图神器#

从我春招投 agent 的经验来看，agent 基本是 用 py，很少用 java 的，java 局限性很大。包括我现在实习也是这种感受，langgraph 这些，用 java 写会很难受。而且 py 的第三方库是非常丰富的，比如语音识别，py 的 ai 生态更丰富。那 java 后端是不是可以直接丢了呢，那绝对不是的，后端是 agent 的基石。你写 agent 大多数情况下是要对接后端系统的。那么 agent 的 技术栈大概需要哪些呢，以我目前用到的，大概有这些：简单的面试：fastapi,langchain进阶：langgraph，模型部署还有 RAG 的那些东西一定要会，不要用其他东西去代替向量数据库，也不要用什么 chroma 这种玩具，直接用 qdrant 去写 RAG 项目就行了。反正 RAG 是非常重要的，面试难点亮点可以从这里来

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...

在字节校招干了快一年，做agent方向。虽然是agent但是组里背景几乎都是传统后端，整体也是业务很重。个人还是想去做比较ai native的东西，偏harness那一套的，个人稍有涉猎ai infra和算法那些，对于应用层的潮流比较熟悉。不知道未来的方向如何选择，问问大家。顺便问问有没有哪边招这种scope比较大的，能够不那么后端的岗位？想活水seed的一些agent岗位不知道可不可能，诶