1. 介绍某实习公司中负责的关键词命中系统、文档提取系统具备的有特点的功能2. 基于AC自动机构建违禁词匹配的查询结构，在实际应用中是如何实现的3. 某实习公司技术栈中是否考虑过Hive、Spark这类大数据链路的应用4. 关键词命中系统优化的核心目的是否为提升查询性能，具体优化思路是什么5. Redis在关键词命中系统增量更新环节的使用方式，是否存在大key、大value问题6. 说明Redis出现大key、大value（如一个key对应几MB的value）时会引发的问题7. 关键词命中系统中Redis采用订阅发布方式监听时，多key场景下的轮询、监听该如何处理8. 关键词命中系统中处理emoji表情包存储时，涉及的Mysql存储引擎相关知识9. 关键词命中系统中emoji表情包的匹配为何需要用到AC自动机，大批量数据场景下AC自动机的应用逻辑10. 某实习公司中做Mysql治理的具体收获，展开说明相关优化手段11. 介绍某项目中AI相关的实践内容，以及对React agent、Multi agent技术栈的理解和应用12. 某笔记管理网站前后端技术栈的选型思路13. 腾讯云MCP的具体功能，以及其内部提供的工具能力有哪些14. 说明MCP、skill、function call三个概念的区别和相关性15. function call在RAG知识库中的业务逻辑实现细节16. skill在被agent使用后是否会占用上下文，其设计的核心优势是什么17. 开发agent时使用的框架和开发语言分别是什么18. 若要让大模型实现类似cloud code、cursor的编程工具功能，具体该如何实现19. Multi agent中plan的设计思路，以及在实际场景中的应用方式20. agent在长任务执行后上下文接近阈值时，采用何种机制做上下文的压缩21. 开发agent过程中，上下文管理有哪些具体的方式，该如何匹配对应的agent使用场景

现在的 Agent 面试，已经过了“比谁会写 Prompt”的阶段了。说实话，现在的实习生如果只会调个 LangChain、写两段 System Message，在我这儿大概率是过不了初筛的。我想换个视角，带大家看看面试官在听你回答那些“高频题”时，脑子里到底在过滤什么。1. 关于架构：别光背那个“四元组”大家现在都能背出 Agent 的四大要素：规划、记忆、工具使用、执行。但我面试时更想听的是：你为什么不用传统的 Workflow（工作流）？很多同学的项目，明明用一个简单的 IF-ELSE 逻辑就能跑通，非要套个大模型的“自主规划”。在我看来，这不叫专业，这叫“为了用 AI 而用 AI”。我...

接上篇 https://www.nowcoder.com/discuss/847995166416703488?sourceSSR=users还缺少了平台和中间件的部分没有和大家交流，这一篇补充一下平台&&中间件和 AI 相关的平台主要就是 Maas 平台和机器学习平台，Maas 平台，大家最熟悉的就是阿里云百炼，用于模型部署，模型微调，并且整合知识库，Agent平台的综合平台AI 中间件主要包括 AgentRuntime，AI 网关 等等资料推荐：首先是平台侧，对于大模型的工程化平台，开源的，我是最推荐 langfuse 的https://github.com/langfuse/langfuselangfuse 是 langsmith 的开源平替，包含可观测，评估，提示词管理，数据集管理等主流功能机器学习平台就比较复杂了，这个主要是各个公司的内部平台，用于算法同学快速迭代的，所以开源的资料比较有限，但我也找到合适的可以学习的https://github.com/kubeflow/kubeflow目前最主流的 MLops 工程包，很多机器学习平台的核心功能都是通过这个的组件编排实现的，通过学习这个，就可以逐步理解机器学习平台的核心功能此外还需要补充，k8s 和云原生相关的技术栈，用于优化模型的部署和调度。此外还要学习 Ray 这个不可或缺的分布式框架https://github.com/ray-project/ray然后是中间件这边AgentRuntime智能体沙箱，用于安全，快速，高效的运行智能体应用，并且和 k8s ，serverless 等相关技术结合，实现毫秒启动和动态扩缩容开源可以看看火山的子项目https://github.com/volcano-sh/agentcubeAI 网关只推荐阿里的开源 AI 网关 HIgresshttps://github.com/alibaba/higressAI网关除了一般网关的功能之外，还要支持，mcp托管，http无缝转mcp，模型路由等等，higress通过一个巧妙的插件系统接入了这些，并且还保留了大流量网关需要的核心功能（这个项目的语义化检索mcp插件是我写的，感兴趣的牛友可以看看）上面的这些，基本就把我认知中设计 AI 的开发岗位都讲的差不多了，其他评测平台和数据 pipline 搭建的，基本都是比较常规的技术栈，不太需要单独讲，比较喜欢鸡架的同学可以冲这些岗位。后面的系列规划：1. 从 0 - 1 实现一个 Agent 框架（教程 + 源码）可以写到简历上面的2. 一些有意思的项目推荐，目前已经想好了两个，后面发一下3. 自己的一些踩坑记录（比如后面暑期继续找垂直实习踩的坑）

前言这是我的agent系列文章的第一篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记如果觉得有帮助，欢迎关注我并期待后续文章！预期是日更哦！当天没更可能是因为太累了，周末会弥补的。一、ReAct 核心：Reasoning + Acting，边想边做ReAct 拆开就是 推理（Reasoning）+ 行动（Acting），核心逻辑：AI 不先定死全流程，而是走一步、看一步、想一步，循环完成任务。通俗对比传统方式：出门前查好全程路线，...