25届秋招|平安产险面经，等offer

全程面的不是hr跟我说的岗位然后说我不符合她的岗位在收到面试结果邮件之后，总监一直建议建议建议，因为我说不是我面的那个岗位、面试没诚意，象征性提问一个相关问题（我居然和她说了两句想法，然后反应过来，结果都出了，面的岗位的负责人都走了，干嘛跟她在这玩游戏问答）然后又是建议建议建议面试官阿姨，你的爹味儿都要溢出屏了

1. 如果知识库原始数据不是 markdown，而是 PDF、PPT、图片或者网页，你会怎么处理进 RAG 系统？PDF 和 PPT 会提取标题、段落、表格和页码，图片先做 OCR，网页先抽正文和元信息，然后统一清洗噪声、去掉页眉页脚、按语义做切片，补上来源、时间、文档层级这些元数据，最后再做 embedding 和索引。这样后面的召回、溯源和权限控制都更稳定。 public List<Chunk> buildChunks(Document doc) { List<Block> blocks = parser.parse(doc); List<Block> ...

一、AI 基础知识（核心入门层级）1. 大模型基础核心概念- 核心概念：LLM（大语言模型）、Token、上下文窗口、Embedding、微调（Fine-tuning）、提示工程（Prompt Engineering）2. 大模型关键能力- 核心能力：文本生成、代码生成、多模态理解（文生图/文生视频）、知识问答3. 前端视角核心应用（入门落地）- 模型调用：API 调用大模型方法- 流式处理：SSE/WebSocket 流式输出处理技巧，可结合缓冲区+分段解析机制优化体验- 成本优化：Token 消耗优化方法二、AI 进阶技术（能力提升层级）1. Agent 核心技术- 定义：可自主规划、调用工具、完成复杂任务的 AI 实体（代表：Coze 扣子、TRAE）- 前端视角：Agent 交互界面设计、多轮对话管理，可借助 A2UI 协议实现 AI 驱动的界面动态渲染2. RAG（检索增强生成）- 核心：结合私有知识库，提升大模型回答精准度与可控性，本质是“检索-增强-生成”的闭环流程- 前端视角：RAG 检索过程可视化展示、检索结果与模型输出的联动呈现3. 多模态 AI 技术- 核心定义：文本、图像、音频、视频的融合生成与理解（代表场景：剪映 AI 生成、实时交互）- 前端视角核心技术：Canvas/WebGL 渲染、WebGPU 加速（提升渲染性能）；WebRTC 实时流处理（支撑实时交互）；多模态内容预览、编辑功能实现（适配前端交互场景）三、AI 工具链及应用场景（落地实践层级）1. AI IDE 开发（TRAE、Cursor 方向）- 核心定位：端到端生成真实软件的智能协作平台- 前端职责：AI 功能交互（代码生成/理解/问答）、IDE 内核开发、插件生态搭建- 核心技术栈：React/TypeScript、WebAssembly、Monaco Editor、WebSocket/SSE2. Agent 平台开发（Coze、HiAgent 方向）- 核心定位：新一代 AI Agent 协同办公与应用开发平台- 前端职责：LLM 驱动的 Agent 框架实现、多 Agent 协同界面、可视化编排工具开发- 核心技术栈：React/Vue、状态管理、可视化编辑器、实时通信3. 多模态创作与交互（剪映、抖音方向）- 核心定位：生成模型优化、多模态内容合成、实时交互体验提升- 前端职责：AI 生成内容预览、实时滤镜/特效、多模态编辑界面开发- 核心技术栈：WebGL/WebGPU、WebRTC、Canvas、性能优化（FPS、内存）4. AI + 全栈开发（小红书、美团方向）- 核心定位：AI Coding 工具辅助，完成前后端开发、测试、部署全流程- 前端职责：全栈开发、AI 辅助需求分析与方案设计、提升开发效率- 核心技术栈：Node.js/Python、前后端协作、CI/CD、AI 工具深度使用5. 可视化与 AI 交互（同顺方向）- 核心定位：大模型应用可视化交互、RAG/Agent 工作流演示- 前端职责：可视化 Prompt 编排、多轮对话可视化、模型输出调试界面开发- 核心技术栈：ECharts/D3.js、流程图库、实时数据渲染、响应式设计

1. 自我介绍2. 介绍你写的这个项目3. 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent多 Agent 的核心价值不是“看起来更高级”，而是把复杂任务里的角色分工显式化。单 Agent 在任务很长、工具很多、约束很多的时候，容易把规划、检索、判断和执行混在一起，导致上下文污染、错误放大、调试困难。多 Agent 可以把流程拆成规划 Agent、检索 Agent、执行 Agent、审查 Agent，每个 Agent 只负责一类清晰目标，行为边界更稳定。但多 Agent 也不是默认更好。它会引入额外通信成本、状态同步复杂度和错误传播路径。真正适合多 Agent 的场景，一般满足...