第二段实习

向量 (Vector)： 一串数字，eg：[0.1, -0.5, 0.22, ..., 0.32]- Chroma数据库存储的基本单位，可以通过 Embedding 模型将文字转换为数字余弦相似度 (Cosine Similarity)：两个向量是从原点出发的箭头，夹角越小（越指向同一个方向），相似度越高（接近 1），垂直相似度为0，相似度接近-1时，是反义词or对立概念

一面：1.agent会话中redis是怎么存储的？key是怎么设置的？2.skills是具体是怎么设计的？3.工具是通过什么样的方式暴露给ai的?4.为什么没有选择使用mcp暴露？5.如果工作量特别大的话，把所有工具都塞给提示词会出现什么问题？6.在工具调用的情况下，比如说大模型调了一个不存在的工具，或者调用的时候参数传错了怎么办？你是怎么降低这个情况的？7.讲解一下ReAct框架8.ReAct框架有没有什么优缺点？9.说一下langchain和langgraph的区别？分别的痛点10讲一下项目中的langgraph的状态转移机制11.大模型产生幻觉的原因有哪些？？有什么手段可以缓解这个问题1...

我的春招第一面献给了本地一家做企业服务的中小厂，提前一天翻了好几遍自我介绍和项目经历，面试时还是有点手心冒汗。面试官主要问了Java基础和数据库的简单操作，有几个概念题答得磕磕绊绊，不过面试官很温和，还帮我梳理了思路。最后反问了部门的日常工作内容，整体下来虽然表现一般，但也算迈出了求职的第一步，知道了自己的知识漏洞，接下来要好好补基础啦。

顺便说一句，淘天 27 届暑期实习生还在持续招人，AI工程、算法等方向都有机会，感兴趣可以查看我关联的内推记录。最近集中看了一批 AI 相关的校招简历，有个感受越来越明显：不是大家项目差距很大，而是简历呈现方式差距特别大。你会发现，候选人做的内容往往高度相似：大模型应用、RAG、知识库问答、Agent、多轮对话、Prompt 优化……甚至连技术组合都很像：Python、LangChain、向量库、FastAPI、React。可同样一类项目，有些人写完以后让人觉得“这个同学是真的做过，也想明白了”，有些人则像把一串名词拼在一起，读完只留下几个框架名。问题通常不在项目，而在你怎么把项目写出来。1....