AI Agent算法实习二面-美的

1、自我介绍2、项目介绍3、离线数据处理咋做的离线数据处理我一般会按“采集、清洗、标准化、切分、标注、校验、入库”这条链路来做。先把多来源数据接进来，比如文档、表格、对话日志、接口结果、历史工单，然后做编码统一、去重、去噪、脏字段修复和无效样本过滤。对于文本类数据，还要做特殊符号清理、HTML 去标签、分段切分、敏感信息脱敏和元信息补全。如果是训练数据，还会进一步做 schema 对齐，比如统一成 instruction / input / output，或者统一成多轮消息格式 messages=[{role, content}]。如果是 RAG 知识数据，就会做 chunk 切分、标题挂载、...

面试很难，还是要多多练习，攒人品中！1、做RAG项目的时候，是怎么评测效果的？有哪些评测维度，具体用到了哪些指标？2、项目里的数据集包含什么内容，数据来源、数据格式是怎样的？3、如果让对RAG的相关度和回答效果做优化，有什么思路？有没有更体系化的优化方案？4、有一千条数据，需要做求和处理，这种数据处理场景怎么设计实现？5、RAG的性能怎么提升，有没有实际的优化思路（工程层面或算法层面）？6、项目里的上下文是怎么处理的？上下文过长、冗余等问题有什么优化方向？7、Agent的长记忆和短记忆之间，怎么做到协同工作的？两者的衔接逻辑是什么？8、有什么思路能让自己做的Agent更智能？手撕代码全排列

AI与八股 "介绍一下AI的技术理解" 回答要点：  Skill概念：技能说明书，渐进式加载，更精确 MCP vs Function Calling：MCP是统一标准，Function Calling需自定义 Transformer：QKV注意力机制，编码器理解语义，解码器生成文本  "对RAG的向量库有了解吗？" 回答要点：  PGVector：项目中使用，500万以下数据，开发友好 Milvus：专业开源向量库，支持分布式 作用：向量存储，权重分配，精准定位知识  "怎么把文档转换成向量库？" 回答要点：  文档预处理：加载、转换...

本来觉得混了段实习应该比找第一段的时候好点 怎么感觉还是没有面试哇