Funplus校招内推

最近在准备和整理 AI Agent 方向的面试内容，顺手看了不少开源教程。其中 Datawhale 的 Hello-Agents 很适合做系统入门。它的定位是《从零开始构建智能体》，内容覆盖智能体基础、ReAct、Plan-and-Solve、低代码平台、Agent 框架、Memory、RAG、上下文工程、MCP/A2A、Agentic RL、评估和综合案例。如果你是第一次系统学 Agent，Hello-Agents 这种路线很完整，适合从概念到代码慢慢补。但我在准备面试时发现，另一个问题更迫切：系统学过 Agent，不等于能在面试里讲清楚 Agent 工程。面试官不会只问你「ReAct 是什...

现在大二，投了很多没人理，看到很多都是要大三的，可不可以伪装成27届找实习啊。有没有人经历过。

个人认为今年暑期比去年难，看面经基本都是腾讯和字节。有些大厂虽然开了暑期实习，但基本都是泡池子，只有少部分人能得到面试机会。还有两三个月就要秋招了，有点慌难道今年更适合去考研吗？

1. 自我介绍2. 智能合同审阅平台里为什么要同时使用向量检索和全文检索？单一检索方式为什么不够？答案：在合同审阅场景里，用户的问题或者待审条款通常不是简单关键词匹配，而是存在大量语义相近但表达不同的内容，比如“提前解除合同”“单方终止协议”“无责解约”语义接近，但关键词并不完全一致。如果只用全文检索，比如 Elasticsearch 的 BM25，优点是关键词匹配精确、可解释性强，对合同编号、金额、日期、公司名称、条款标题这类结构化或半结构化字段效果很好。但它对同义表达、语义改写、隐含风险点的召回能力较弱。如果只用向量检索，优点是语义召回能力强，但是容易召回一些语义相似但法律含义不完全一致的...