🆘 agent开发后端知识快速补充

1. 平时用什么编程语言2.场景题q: 博客系统要有博客和评论功能，问要哪些表a: 博客表，评论表q：分别要有什么字段a：1. id， 博客内容，通用字段2.id，所属博客 id，评论内容，通用字段3.tob 项目，客户调用我们项目 api，我们项目再调用中国移动的 api，但是中国移动 api 会有几秒延迟，那这时候怎么解决没答出来，然后面试官说了解决方案（1）让客户调用 api 时隔一段时间查一次，知道出结果，轮询（2）让客户调用 api 时带上返回的地址，我们项目拿到中国移动结果后再放到客户的结果地址里4.Linux 命令，查 8000 端口是否存在，查看文件有多少行5.两数之和算法，不让暴力，用哈希，没写出来6.二维数组找目标值，同样不能用暴力，也没写出来7.实习做的什么工作内容，没问简历上的实习经历8.项目现场共享看了一下，问我有啥难点……反问：公司做的什么业务，怎么做 agent 落地的，用的什么语言a: py 和 goq: 两者作微服务？a：没必要，两个单独的项目，go 做系统，py 做 ai 业务，go 调用 py 接口（这应该是和 3.对应上了）

1. 自我介绍自我介绍不要按时间线念简历，直接围绕岗位能力说。可以先用一句话说明自己主要做 Agent 应用、语音交互链路、工具调用编排和推理服务，然后挑两段最能体现深度的经历展开：一段讲系统设计，比如多 Agent 协作、上下文压缩、工具协议和评测闭环；另一段讲落地，比如低延迟 ASR 接入、意图识别、写作风格学习、线上指标和 bad case 修复。最后收在一个最近做得最深的点上，例如流式语音 Agent、MCP 工具治理、skill 路由或者多约束任务规划，让后面的追问自然落到自己准备过的区域。2 Agent 项目的架构设计如果从入口到结果回写完整讲一遍，应该覆盖哪些关键组件一条完整链路...

感兴趣的话请直接将简历发至邮箱： guochengwei.gcw@alibaba-inc.com职位描述：1. 负责将大模型（LLM）能力落地到实际业务场景，包括但不限于Prompt工程、智能对话、知识库建设、内容生成及业务流程自动化；2. 设计并开发AI Agent系统及其框架，负责任务规划、多步推理（CoT）、工具调用（Function/Tool Calling）、记忆管理及多智能体协同等核心模块的实现；3. 构建LLMOps全链路流程，包括大模型应用评测、监控告警、数据标注及RAG（检索增强生成）全链路优化（如切片算法、召回重排等）；4. 参与大模型业务应用平台的研发，推动MCP（模型控制协议）生态建设、工作流编排及代码生成等提效工具的开发，构建高可靠、高扩展的AI架构。职位描述（英文）：职位要求：1. 本科及以上学历，计算机、人工智能、软件工程、数学或相关专业；2. 熟练掌握 Java、Python、Go、C++ 中至少一门编程语言，具备扎实的数据结构、算法基础、操作系统知识及良好的编程习惯；3. 了解大模型应用开发原理，熟悉 Prompt Engineering、RAG、LangChain、LlamaIndex 或 Dify 等业界主流大模型开发框架；4. 熟悉主流大模型（如GPT、Qwen、Llama等）的接口调用及特性，了解 Agent 架构及相关组件；5. 具备卓越的学习能力和自驱力，对AI技术充满热情，能够快速跟进并掌握业界最新技术动态。

感觉面试官自己也不是很熟 没怎么招过1. 你挑一个最熟悉的项目详细讲一下，重点说业务背景、数据形态和你负责的部分2. 如果大模型输出格式和你预期不一致，你一般怎么处理这个问题如果只回答“加强 prompt 约束”会显得太浅。真实场景里，输出格式不一致通常有三层原因：第一层是模型没理解任务边界，第二层是格式本身太脆弱，第三层是生成阶段没有约束。我的做法一般是先把格式要求拆成字段级约束，尽量避免开放式自然语言和结构化字段混在一起；然后再根据场景决定是用 schema 校验、函数调用、受限解码，还是生成后重排修复。如果业务要求严格，比如必须产出合法 JSON，我不会只依赖 prompt。我会让模型先...