AI Agent算法实习二面-美的

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...

攒人品中，祝大家都能拿到满意的Offer！项目深挖（AI项目+后端项目）1、为什么要引入父子索引？BM25引入的原因是什么，比例是怎么设置的，整个具体流程是怎样的，有没有做rerank操作？2、如果做了rerank， rerank之后返回几个块？有没有做过一些验证来确保效果？3、rerank之后的topk截断是怎么实现的？为什么选这个k值，有没有考虑过其他方案？4、讲一下上下文工程，还有记忆功能是怎么实现的。5、讲一下LRU的原理和实现。

1、生图 Agent 的模型是什么？生图 Agent 一般不是单一模型直接完成所有事情，而是一套组合式链路。核心生成模型通常是文生图模型，比如 Diffusion 类模型，负责真正把文本描述转成图像。前面会有一个 LLM 负责理解用户需求、补全提示词、做风格约束、拆分子任务，后面还可能接图像评估模型、审核模型和重写模块。如果场景更复杂，比如“先理解需求，再生成多版图片，再筛选最佳图”，那 Agent 的结构一般是：LLM 负责意图理解、Prompt 改写、参数规划文生图模型负责出图评估模型负责打分、筛图审核模块负责安全过滤工作流层负责多轮迭代和状态管理所以生图 Agent 不是单模型，而是 L...