想做Agent要学这些技术

#牛客AI配图神器#淘天 27 届暑期实习生正在招聘 各方向都有海量 HC 欢迎看我置顶帖子投递面试题 5：Function Calling 的底层到底发生了什么？Agent "调用工具"这个说法准确吗？参考答案不准确。LLM 从来没有"调用"过任何工具。整个过程是这样的：LLM 的输出本质上永远是"生成下一个 token"。当我们说"Function Calling"时，实际发生的是——模型在训练阶段被大量的工具调用样本微调过，学会了在需要外部信息时，不生成自然语言回答，而是生成一段符合特定格式的结构化文本（通常...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 在LM-as-Judge评测中，如何设计实验验证评测模型的打分偏差，并消除其对最终结果的系统性影响？2. 多模型交叉评测时，若出现明显的打分分布偏移，如何量化偏移程度并设计校准策略？3. 针对Data Agent的数值计算与逻辑推理场景，如何设计细粒度评测维度，避免只以最终结果论对错？4. 如何构建高难度的对抗评测样本，以有效暴露Agent在工具调用、参数传递中的隐蔽缺陷？5. 如何评估评测 pipeline 本身的可靠性？如何证明你的评测结果是可复现、可置信的？6. 在长链路多步推理场景下，如何设计评测机制，区分中间步骤错误与最终生成错误？7. 面对人工评测与自动化评测结果严重冲突时，如何设计决策机制与置信度评估方案？8. 如何在不显著增加调用成本的前提下，提升LM-as-Judge对细微错误、逻辑漏洞的检测能力？9. 模型迭代后如何设计回归评测体系，精准定位能力退化点并归因到具体训练或结构改动？10. 多Agent协同任务中，如何设计评测指标区分单Agent能力问题与交互调度逻辑问题？手撕：现有列表 A，B、C 均调用 A，B 执行出错导致 C 连带错误，从评测与测试角度该如何定位根因？

1. 自我介绍2. 多阶段 RAG 里同时使用 BM25 和向量召回，混合检索策略通常怎么设计混合检索的关键不是把两路结果简单拼起来，而是根据问题类型决定两路召回各自承担什么角色。BM25 对精确术语、错误码、接口名、字段名、版本号这类关键词命中很强，向量召回则更擅长语义改写、口语化表达和抽象问题。真正稳定的设计一般是先并行召回，再做去重、融合、重排，最后再进入上下文构建阶段。如果问题本身是“精确定位型”，比如某个报错码、类名、接口路径，BM25 权重通常更高；如果问题是“意图表达型”，比如用户用自然语言描述故障现象，向量召回的权重会更高。工程里比较常见的是先取两路 topk，再用 RRF 或...