简历有啥值得优化的地方吗

Q1: 检索Agent中是如何做上下文管理的？拆解：三个层面：①上下文窗口管理（超token限制怎么截断/摘要/滑动窗口）②上下文质量（去噪，哪些信息真正有用）③上下文组织（system prompt放最前、工具调用结果插入、历史对话保留策略）。要点：不说"我们做了个工具"，说"我们发现Agent因上下文膨胀导致XX问题，所以做了YY策略"Q2: 大语言模型的输出是如何进行约束的？拆解：三层约束：①Prompt层（system prompt限制格式/范围）②推理引擎层（logit bias/grammar约束/JSON mode）③后处理层（规则校验+重试）。不要只说"靠prompt"，说清楚每层各自解决什么问题Q3: AI Coding题目：不可以直接把题目丢给AI，要自己先提炼出需求。用Codex来做。拆解：流程：①理解需求→拆功能点→写成结构化md ②用Codex实现 ③再开一个Codex会话做code review。考点不是你代码写多好，是你能不能把模糊需求翻译成AI可执行的指令拆解来源：小红书 Product Engineer AI应用方向（一面）来源：https://www.nowcoder.com/feed/main/detail/efc599d387ea4bc1a3f91cb862466d1f

小伙伴投稿一面在5.10 二面在5.15 HR面在5.17, 211本+韩硕1. 自我介绍答案：我主要做大模型应用、RAG、Agent 编排、向量检索、Prompt 工程、模型微调和后端工程化相关方向。之前做过一个 跨境商家合规审核与风险问答平台，面向国际电商平台里的商品合规、商家风控、客服质检和运营审核场景。这个系统接入了商品标题、商品详情、平台规则、违规案例、审核工单、商家申诉记录和多语言政策文档。用户可以问“这个商品为什么被判定为高风险”“某类商品在欧盟站点能不能上架”“这条申诉该怎么回复”，系统会先做 query 重写和意图识别，再通过混合检索召回规则和案例，最后由大模型生成带引用的审...

27届0实习转码，约面的都很少，是简历写的太简单了吗

继续分享面经攒RP流程：先做自我介绍，然后开始问八股TCP可靠传输如何实现TCP的流量分析操作系统堆栈与作用Transformer整体架构Transformer相比传统神经网络的好处多头自注意力是什么，能否用单头达到多头的效果为什么Q和K的点积可以代表关联embedding是如何工作的RMSnorm和layerNorm的差异agent中，Function calling，MCP，skill是什么，什么场景该用什么困惑度是否越小越好，有没有更好的指标压缩上下文的方法当最近几句话没有用的时候，该如何设计压缩上下文的策略还有一些项目相关的问题最后是手撕算法：Leetcode 212 单词搜索总体强度感觉比上一次财经面的狠，只做到了句句有回应，但是答的一般般