成都agent实习面经

基本情况：双非一本，6年前端经验，因前公司组织架构调整，项目组优化，gap半年以上，期间在备考公务员，感觉上岸比较困难，加上对od平台一直比较感兴趣，从HR鱼丸这里了解到有新的院校清单，并且自己在清单内，所以决定一试。机考：复习了两周多参加了机考，难度是有的，但是及格线还是比较轻松的，第一题考的是数组和字符串，比较经典；第二题考的是队列；最后一题是贪心。感觉和复习的力扣题目相比，考题会更加场景化，理解题意很重要。估分时就知道是低分飘过，HR鱼丸查询报告无误后告知可以继续推进。综测：鱼丸说了下大致的注意事项，我是在安静的环境、情绪稳定的时候做的，大概半小时以内搞定了，提交之后反馈给HR，很快就通...

1.自我介绍。2.你目前还在实习吗？你参与的实习吗？你参与的 AI 产品主要面向什么问答场景、包含哪些问题类型？3.处理查询文档里的异构数据（如图片）时，具体的处理流程是什么？解析成纯文字后如何进一步加工？这样只返回文字给用户，图片信息不会丢失吗？4.你们是通过人工打标建立图片和文本的对应关系吗？文档量很大的情况下，打标工作能完成吗？5.如何保证大部分图片异构数据解析后回答的正确性？若回答错误，怎么识别问题？后续要验证回答准确性，你有什么方案？6.用于评测的另一个大模型，如何构造问题、分析文字并进行对比？这个大模型的正确率以及模型自我一致性怎么确定？7.你们的模型基于哪些异构图像做增强？模型会不会产生幻觉，生成文档外的内容？8.若用户的问题不在文档里，你们会怎么处理？是调用其他模型吗？大模型回答不了时，会提示用户补充问题吗？用户补充后仍无法解决该怎么办？模型如何判断何时需要让用户补充提问？9.你们有框架编排这些流程吗？用的是什么框架？10.你简历中提到的识别率、检索召回率等指标，怎么理解检索召回率？这些指标具体包含哪些评价项？什么是忠实度？召回率的分子分母是怎么定义的？11.你之前那段实习的具体工作内容是什么？针对设备故障叙述报告这类复杂文本，模型如何理解？是做了相关检测吗？大模型是怎么实现术语解释的？12.请讲一下 LoRA 技术，除了减少参数量，它还有什么优点？你做的 LoRA 相关工作，后续有落地应用吗？13.你写代码主要用 Python 吗？会不会用 Java？了解 Java 的多线程、双亲委派模型以及消息中间件吗？有没有做过 Java 相关项目？14.你用过 LangChain 吗？如何用它解决模型的幻觉问题？若不熟悉 LangChain，还能通过什么方法做 AI 能力增强？15.让你实现一个查询天气的对话 AI 顶层设计，具体步骤是什么？聊天记录最终如何返回给用户？除了文本存储，还有其他方式吗？多模态的具体实现方法是什么？16.天气大模型要关联地理位置信息（如杭州属于中国），该怎么处理？如何对接天气 API？怎么定义 API 调用的相关内容？17.若查询天气后，还要根据天气推荐买伞这类服务，大模型如何按顺序调用多个服务？如果有七八项服务，每个服务的调用逻辑都要单独写吗？18.LangChain 和 LlamaIndex 的区别是什么？19.如何测试这个 AI 系统的技能？它和传统 AI 测试有什么区别？有哪些具体的测试方案？评测数据集该怎么构建？测试具体分哪些步骤，要验证哪些能力？20.要让模型完成“在公司周边奶茶店（如霸王茶姬）订一杯奶茶”的任务，该怎么实现？若调用高德 API 做定位和门店查询、调用外卖平台 API 下单，这两个 API 该怎么对接？编写大模型让它按顺序调用 API，可能会遇到什么问题？怎么解决？21.若高德 API 要求输入经纬度坐标，但大模型产生幻觉输出错误公司坐标，导致门店查询错误，该怎么干预模型？如果模型坚持认为自己的坐标是对的，该怎么处理？定位到问题原因后，又该怎么解决？

双非本科 25届软件工程专业，秋招最终上岸某大厂移动端 AI 算法岗。分享下三个能帮你在 AI 赛道脱颖而出的硬核项目：1. ncnn 手机端高性能神经网络前向计算框架项目实践：基于 ncnn 实现手机端 YOLOv8 目标检测模型部署，针对 ARMv8 架构做指令级优化，将单帧推理速度从 200ms 压缩至 80ms，无第三方依赖，适配 Android/iOS 双平台。项目地址:https://gitee.com/Tencent/ncnn求职价值：直接体现移动端 AI 部署、跨平台兼容和高性能优化能力，是软开专业在 AI 嵌入式 / 移动端方向的硬核加分项；该框架已在腾讯 QQ、微信等亿级用...

总结一下最近面试的 agent 实习面试，包括深信服，anker，minimax，万物云，吉比特整体感觉是：不再考 “你会不会用大模型”，而是考 “你能不能把 Agent 系统跑在真实工程里”。下面把我遇到的高频 Agent 面试题，按模块系统性总结一下，供后来者参考。一、Agent 在学术 / 工程上是如何拆分的？高频问题：Agent 在学术上由哪些部分组成？和普通 LLM 应用有什么区别？二、上下文工程 vs Prompt 工程（几乎必考）高频问题：上下文工程和提示词工程有什么区别？三、如何减少幻觉（Hallucination）高频问题：Agent 如何减少幻觉？在工业场景下怎么做？四、多 Agent / 多异步任务下，如何防止上下文污染？五、RAG 流程（几乎场场都有）六、MCP vs Tool / Function Calling七、工程基础Redis 为什么单线程？HTTPS 握手流程？经典算法（课程表 / 拓扑排序）SFT/PPO/DPO/GRPO 的区别，微调一个大模型的流程是什么样的？