腾讯暑期求助

太不容易了

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

一面二面HR面都很顺畅来着，怎么hr面完就一点消息没得了，是美美泡池子了么，日常也要泡池子么

一面 大约1h自我介绍为什么选择做这两个项目项目为什么选择E2B沙箱，选型的理由，E2B相比其他方案的优点项目为什么基于LangGraph去做短期记忆为什么采用 sqlite checkpointer/长期记忆又是如何实现的openclaw的记忆机制怎么实现的？你有借鉴吗项目设计的思路和理由怎么理解skill？它能解决什么问题/自己写过什么skill/自己怎么写MCP用ai coding工具写代码达不到预期怎么办怎么合成数据集/合成数据集质量达不到预期怎么办prompt如何调优开发过程遇到的问题是什么？如何解决的？如果可以重新设计某一模块会怎么做？原因是什么？如何跟进最新的ai进展？你最近读过...