minimax agent开发一面-日常

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.这个是一个报告生成场景，那我想知道这个报告具体是偏结构化的还是自然语言的？比如它有没有一个既定的schema？还是说用户输入什么都可以3.那这个报告的生成里是不是会依赖外部信息？你们是怎么做信息检索的？是提前召回好然后作为prompt上下文？那信息对齐怎么做4你说你们优化了全流程——这个‘流程’具体是怎么定义的？你在哪一块做了具体的性能提升5.你们这个项目有没有落在某个业务线里，你们上线之后是怎么度量它到底有没有带来收益的6你刚才说你们用了大模型自己去生成训练数据，那具体是怎么构建指令的7.比如有一个query，生成了3个candidate output，那你怎么自动判断哪个好哪个不好8.你们这个rankinglogic是靠rule还是另一个模型？有没有引入Reward模型9.那如果是生成负例，你们是怎么让模型生成‘看起来对但其实错’的样本的？比如你在做一个医学场景，模型生成错了你怎么知道它错在哪里10.自动评估那里你们评估维度具体是什么11.自动评估是在线构建样本时使用的对吧？那你们有没有做样本质量的统计分析？比如分布上是否足够覆盖edge case12.你们是怎么管理这些agent之间的状态的？是通过context传递？还是通过某种状态图建模13.如果一个Agent负责外部知识的query，另一个负责摘要，另一个做用户对话，那你是怎么确保这些agent协同的14.假设一个子agent出了错，比如检索召回错了内容，那整个流程会失败吗，你怎么来处理这一块的15.如果现在要你做一个电商客服agent，它需要推荐商品、解释优惠政策、同时处理投诉，那你会怎么设计16Function Calling有了解对吧？那如果我现在告诉你一个模型要完成任务，它可以选多个Function来调用，你觉得模型最难学的是哪个点？17.那你觉得怎么样让模型更灵活地调用function？比如是不是要把接口文档和调用示例都encode进去18.有没有做过multi-tool routing？比如用户query过来你需要在20个tool里选一个调用的，你觉得模型要考虑哪些维度来决策19端到端推理和模块化Agent推理你更看好哪种？你觉得大模型真的能在极长context下规划全流程吗28.手撕：给定一个二维数组（矩阵）要求按照螺旋顺序输出所有元素

1、自我介绍2、项目深挖3、如果让你设计一个 Agent 的评测体系，你会怎么做Agent 的评测不能只看最终回答像不像，因为很多场景里最终答案看起来没问题，但中间过程其实已经错了。真正可用的评测体系应该至少覆盖三层。第一层是结果评测，也就是任务有没有完成，最终输出是不是符合目标。第二层是过程评测，要看任务拆解是否合理、工具是否选对、参数是否正确、执行顺序是否稳定。第三层是系统评测，要看延迟、成功率、重试率、单次成本、异常恢复能力这些工程指标。如果是线上系统，我会把评测拆成离线和在线两部分。离线阶段构造标准数据集，做固定样本回放，评估规划正确率、工具调用成功率、任务完成率和输出质量。在线阶段则...

目前的想法是找一个agent开发的暑期实习。之前在组里一直做一些横向，但是都是一些杂活，没什么实际的提升。还做过一些agent相关的东西，相关的概念都还算了解，但是没有正经项目。hot100前两年刷过两遍，但是现在忘了很多。我想的是3月先弄两个项目，背背八股刷一刷题，4月开始投暑期。还是直接放弃找实习，直接开摆找央国企🥲（这个月开始可能还要去某个所干活，做一些大模型部署，运维的活，但是不会很忙）

1. 进度通过Redis保存，定时任务刷库，如果Redis宕机了该怎么办2. 实习看你只负责一个小模块，0-1负责的项目有没有，介绍一下3. Agent的死循环检测是如何实现的4. 预检索阶段你主要做的是什么5. 有没有使用过openclaw，缺点是什么6. openclaw的记忆化机制是怎么实现的7. 二开openclaw可以实现吗反问：业务：没太听懂，公司有点偏艺术类几面，面试结果：两轮技术面，结果一周内出来