说白了不能只通理论，得能落地。得是真・AGI 发烧友，对大模型、Agent 这些东西有热情，愿意追前沿啃新东西代码得能打，Python/C++/Java 至少会一门，Linux 环境玩明白，能把复杂 Agent 系统磨成能上线的产品要会跟产品、算法团队搭伙干活，别闷头写代码，得能把技术方案变成业务价值学得必须快，这领域更新比外卖还快，得有快速啃文档、踩坑排雷的本事核心技术栈就那几样：吃饭家伙：Prompt 调优、RAG、工具调用（Function Calling）Agent 系统：任务规划、工具调用、记忆机制、多轮对话得自己能搭框架得熟：LangChain/LlamaIndex/AutoGPT 随便挑一个，要有实际项目练手会优化：能给 Agent 做评估、调性能，别让系统跑起来慢得像蜗牛加分项直接起飞：玩过 Multi-Agent / 自主 Agent、会大模型微调部署、有开源项目 / 论文、全栈能搭原型岗位香点：小而精的专家团队，创业氛围鼓励试错，能从 0 到 1 参与 Agent 项目，有机会搞下一代 Agentic AI想进 AGI 赛道的，这岗是算法 + 工程双修的黄金坑，对照JD着补技能吧🚀

1. 如果让你从 0 到 1 设计一个企业级 Agent 平台，你会怎么划分 Planner、Memory、Tool、Knowledge、Runtime、Evaluation 这几个模块？边界怎么定？我一般不会按“大模型功能”来拆，而是按“责任是否稳定”来拆。Planner 只负责决定下一步做什么，不负责真正执行；Tool 只负责把外部能力标准化，不参与推理；Knowledge 负责把文档、结构化数据、权限和索引组织成可检索资产；Memory 只存跨步、跨轮、跨会话还需要被引用的信息；Runtime 负责状态推进、超时、重试、回放和观测；Evaluation 则独立出来，不跟在线链路耦合，因为...

顺便分享一下当时想转AI全栈被拷打的这几个问题：如果要开发美团智能客服Agent，如何设计多轮对话流程？-你会使用哪些对话状态跟踪方法？-如何处理用户意图模糊的情况？描述一次使用 LLM 开发智能助手的经历，遇到过哪些幻觉问题？解释 AI Agent 的规划能力，如何实现多任务协同（如点餐、支付、售后）？在设计 Agent 的工具调用能力时，你的技术方案是什么？-如何选择合适的工具 API？-会使用哪些函数调用框架？分享一次通过用户反馈优化 Agent 能力的经历，关键改进是什么？

一面：自我介绍skills和mcp的区别介绍A2A协议，主要是用在哪些场景 有没有实际应用过代码分析agent是做什么需求的，这种分析是文件粒度还是行粒度 agent进行代码检索是如何实现的，比如提到了某些功能或者是某些报错堆栈，agent是如何查找到的，没有具体行数的话是如何检索呢对RAG了解多少 做知识检索是用哪些方式做检索的 用了哪些中间件 了解过哪些做向量检索的数据库对大数据这边的组件有没有了解线程跟协程的区别描述一下什么是工厂模式操作系统的内核态和用户态都是什么，有什么区别什么是零拷贝 c++里面有哪些封装的接口是零拷贝的简单说一下常用的网络协议，http和rpc的区别，rpc的优势...