卓驭科技 - AI后端实习 - 一面 8.21 (40min)

1. 自我介绍。问实习意愿，到岗时间。

2. 对自动驾驶了解吗，讲讲你的看法。

3. 我看你之前有过实习还有一些开源和项目，介绍下你觉得有挑战的项目的亮点。(开源之夏的Agent课题)

4. 讲一下。（分别将Agent Hub, A2A, 以及这二者配合的一些优化的点，然后将NL2DSL的做法，有没有好处，怎么和脚手架配合起来的，讲Routine 框架怎么优化提示词的，Agentic RAG怎么做的，针对事物场景怎么做的场景泛化）

5. 你这里的 Agent Hub 对于 A2A 来说其实就是一个比较好的能力发现和注册的一个实践对吧（是的，讲了A2A原本的能力发现在我们场景中的缺陷，用Agent Hub的好处）

6. 那我理解了，你刚才说Hub会维护一个动态上下文，然后匹配其实是用了AI能力的对吧（是的，期望的是一种用自然语言去做能力匹配的机制）

7. 这里你说是会用vectordb的能力主要是做什么（配合embedding去做粗筛，压缩上下文）

8. 好的，你前面提到了一种类似Agentic RAG的东西，然后还有场景的泛化，这个是怎么做的（配合一个Compaction Agent以及一个泛化的Agent, Compection的下层llm把温度和topK调低去做信息抽取和压缩（包括事物场景，用户建议，StateLang JSON），然后用泛化Agent的能力生成类似的新场景以及对应的处理策略，让Txn Agent达到越用越聪明的效果）

9. 泛化具体怎么做的。（prompting，通过 few shot 用通用的最佳实践去引导泛化思路，然后用常见场景few shot引导泛化方向，Routine规范整体步骤和处理边界）

10. 你这个 Txn Agent整体是去做了一个什么事情呢（降低用户接入Seata Saga模式的使用成本）

11. OK,你有了解或者用过 MCP吗？（有，讲了项目目前的Agent后端和前端交互的做法，参考AG-UI协议用webhook做数据更新，然后MCP Server实现数据传输的逻辑，支持更新endpoint的注册，让前端整体作为Agent的一个工具，Agent利用MCP直接操作前端）

12. 了解 GraphRAG吗，讲讲（说了GraphRAG的思路，然后讲了之前看的一篇 Agentic Memory 的论文，也是用了类似的思路去做）

13. 反问：

a. 从您整个面试的过程中来看我还有哪些需要继续提升地方？

b. 一共几轮面试？