淘天暑期实习 一面

暂时不说部门，面完感觉就挺微凉了但是泡了一个周居然过了，因为面试官说我还是做模型算法更多，他们在做的是业务Agent的设计编排优化，具体是对接到业务上。1.自我介绍2.项目一怎么做的3.项目二询问4.Agent的记忆怎么设计5.workflow，agent，skill区别6.prompt你会怎么考量去写7.vibe coding，这里面试官说边聊边做，哥们逮着问题就开始猛做，做一半面试官问你没啥要问我的问题吗？我这里才想起来，然后尴尬的想了两个问题8.你的agent是怎么做的，这里我一直没get到点，面试官让说你的这些agent具体是负责干嘛的，输入输出是什么讲明白。这里纯纯被拷打9.反问：部门业务是什么？面试官讲了很多，我的体会是以后前后端啥的真的很难了，因为现在的一整个设计就是我不需要你有啥技术，你搞明白业务，怎么会用这些agent才是最重要的，包括面试官说我一直在做的模型训练，和agent优化的思路相差还是很大。然后建议：多培养业务思维，还有就是区分开Agent优化和模型训练。流程：如果过了还要面leader，之后就是hr面。

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1 实习拷打2 拷打项目一1.主要是transformer的细节2.Q K V3.kvcatch4.transformer为什么适用于多模态3 拷打项目二知识蒸馏4 拷打Java内存泄露问题5 大模型的优化怎么解决上下文过长导致遗忘的问题除了prompt，还可以怎么解决aicoding写代码冗长复杂的问题？6 agent的运行流程rag库agent skill7 手撕代码二叉树的遍历

二编：刚接到网易的offer，之前因为薪资的问题是不太考虑网易的，没想到到手比鹅还多一点，所以把这个也加入选项这周暑期基本结束了，是在没心力面下去了，目前这几个走到hr面了求大佬们给一些选择的建议1.字节-中国交易与广告：base北京，这个主要是做广告链路的优化(质量保障，中台)，组内有做纯后端的，也有做agent的，agent是做一些reveiw agent这些，转正率应该不高，面试的时候只是说有hc，另外方向需要进去之后看能力分配2.腾讯-元宝：后台开发中心，base深圳，这个是做元宝的后台，也是agent和后端都有，方向可以自己选择，转正率说是40%-50%，另外面试的时候也说了，这里会很卷，作息是10.30-11，实习生一个月4周起码两周需要加班，也就是说大小周起步3.网易互娱：技术中心产品运维部，base广州，这个是做中台的，也是agent和后端都会涉及，转正率较高，面试官说会有很多的培养，不会做dirty work，另外说了下实习期两个月？不太理解，不知道结束了可不可以继续留下来实习大佬们能给一些选择的建议吗？我更看重成长一些，上一段实习做dirty work给我做麻了

一、自我介绍二、项目深度拷问一（多模态相关项目）1. 项目中针对图文模态对齐问题，具体采用了哪些技术方案解决？2. 若图纸类视觉内容在文本中无任何对应描述，模型如何依托视觉特征实现精准内容召回？3. 项目向量数据库Milvus中，选用了哪类索引算法，选择该算法的核心依据是什么？4. 针对专业术语出现语义偏移的问题，除了混合检索方案，是否尝试过Embedding模型微调、Adapter适配等优化方式？具体落地思路是怎样的？三、项目深度拷问二（Agent对话/画像项目）1. 当外部测评工具返回的原始数据格式，与大模型输入预期格式不匹配时，如何实现数据格式的自动化映射？2. 向量库检索出的用户长期画像数据，与当前实时会话状态产生冲突时，整套系统的处理逻辑和解决方案是什么？3. 如何避免模型回复过度依赖检索到的外部知识，导致回答生硬、缺乏共情能力，提升对话自然度？四、AI Agent核心技术原理1. 对比思维链（CoT），ReAct范式在模型与外部环境交互过程中，核心解决了哪些痛点问题？2. 详细阐述大模型实现函数调用（Function Call）的完整流程，模型是如何将自然语言语义转化为标准化结构化参数的？3. 实际开发过程中，如何判断一个任务适合采用固定Workflow流程，还是自主决策型Agent来实现？五、Agent记忆与检索优化1. 详细讲解Agent系统中长短期记忆的设计逻辑，在长时对话场景下，如何实现上下文信息的动态压缩与选择性遗忘？2. 在Agent系统架构中，RAG检索获取的外部知识，是如何精准输入给模型，同时避免无关知识对模型输出产生干扰的？3. 解释重排序（Rerank）技术的定义，它在Agent检索链路中，对提升模型最终决策准确性起到哪些关键作用？六、多Agent与人机协作1. 单Agent处理复杂长周期任务时，引入多智能体（Multi Agent）架构的核心优势有哪些？2. Multi Agent系统中的路由（Router）节点，依据哪些规则和逻辑，将任务分发给对应的子Agent？3. 什么是人在回路（Human-in-the-loop）机制？在Agent系统开发中，如何合理设计人工审批断点，保障系统运行可靠性？七、系统评估与性能优化1. 有哪些量化评估方式，可以衡量一套Agent系统的优劣？2. 除模型生成质量外，Agent系统还需要重点关注哪些维度的评估指标？3. 针对Agent多步推理过程中产生的响应延迟问题，可落地的优化方法有哪些？4. 随着大模型上下文窗口持续扩容，传统RAG技术是否会被完全替代？阐述你的核心观点及理由。