聊聊Agent实习

被横向挂了，希望发出来对大家有帮助！1.OCR的原理2.PPO DPO对比、各自的原理、简单手搓、各自优势及常见应用的情况3.Transformer Self-Attention的公式和手搓，Multi-Head原理4.RAG基本步骤5.SQL增删查改操作在几种常见情况下的时间复杂度，基础存储方式【Agent经历拷打】1.Agent在不同客户的需求情况下、分别选用什么模型。常见情况： 做知识图谱、Chatbot、辅助企业生成可视化的数据或报表、智能客服和商品推荐等2.是否增加了pre-run判断 用什么模型和实现方式3.如何判断选用单一稳健强大的模型 ，还是说用多个轻量、侧重和优势点不同的小模型 应用在整个pipeline的不同节点中

项目拷打哪些代码是AI写的，哪些是自己写的？有自己写的，有ai写的，为什么不全都让ai来写，而要自己实现？项目的特色有哪些？MCP和Agent skills的区别会话记忆功能如何实现？一次性记忆和永久性记忆分别如何实现？Java和Spring项目中用到了Spring Boot的注解，来聊聊Spring注解的底层原理吧前一问没答出来，追问AOP在工程中的具体使用逻辑什么是java的反射机制，使用场景有哪些？提到IOC控制反转，提问IOC的底层原理如何实现？Spring的启动过程，分为哪些阶段，分别做了什么事情，底层代码是不是了解？反射机制的缺点有哪些？高并发的场景适不适合用反射？连环炮提问有点顶...

当时为什么决定选用 RAG 这个技术框架？你最终选择的是哪个 RAG / 哪个向量库？为什么选它？你们做了哪些评测对比？你为什么要用向量检索（RAG）？为什么不用其他方式？为什么不用全文索引（类似百度/谷歌那种关键词检索）？你说大模型有幻觉，那为什么不用更“权威”的全文检索来避免胡编？如果用开源全文检索在本地部署、自己喂私有数据，也能搜——那你们当时为什么没选这条路？你选的向量维度是多少维？这个维度为什么重要？你有没有显示配置/修改过维度？你用的切分策略是什么？你说按段落/按语义切，那段落有的 100 字、有的 1 万字怎么办？你的 chunk size 为什么定 1000 token？这是拍脑袋还是有依据？overlap 设多少？为什么这样设？你怎么评价/评测 RAG 效果的好坏？你怎么做定量评估（召回率、准确率、相关性）？如果效果不好，你会怎么回到前面去改（维度、切分、索引/检索策略）？

说实话2025年LLM岗位的薪资真的离谱，校招开到60万到200万，各家公司都在抢人。agent方向更是香，很多同学简历上都写了agent相关的项目或论文。但面试下来，发现不少同学其实卡在一些关键点上——不是不聪明，是没想清楚。一、业务背景搞清楚了吗？这是最基础、也最容易被忽视的一关。面试官第一个问题往往就是：你这个agent应用是干嘛的？输入什么、输出什么？你得能说清楚：是做客服问答，还是自动生成图片？整个流程是怎样的，比如"输入query → query改写 → RAG检索 → 模型生成 → 后处理"，最好脑子里有一张架构图，能顺口说出来。扣分场景：只会说"这...