大模型agent应用开发

攒人品中，祝大家都能拿到满意的Offer！项目拷打1. 讲一下主流大模型的结构2. Transformer 的 tokenzie 是如何实现的，训练和推理分开讲3. 你知道工具调用，MCP 还有 Skill吗，他们都是什么，都有什么区别，优缺点，你自己用过什么MCP/Skill4. 如果让你来设计一个基于Agent的自动给数据标注的系统，你会怎么设计，你认为关键点在哪里5. 实践过程中，其实最大的问题是agent和人类对于同一个标准的理解是不一样的6. 有了解什么自动化Prompt优化的工作吗，讲一下 (APE)7. 算法题：给定两个数列a b  求a b的最长公共子序列（不连续）

1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...

想问下agent项目和简历应该怎么优化

如图，最近刷xhs看到很多人转Agent，我还特意去招聘网站看了下，确实Agent岗位越来越多了。。。