模型部署还是嵌入式

1.你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2.构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多3.用户并发中怎么做隔离？你是如何保证线程安全的？4.微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。5.DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？6.你说你服务部署在 vLLM 上，为何选择它？KV-cache 如何帮助推理加速？你自己做过哪些优化？7.假如需要支持 Streaming 输出，但当前服务延迟又超标，你会怎么折中设计？8.多轮对话上下文状态管理是如何做的？如何在高并发场景下保证一致性？9.你做的 Agent 使用了多少个外部工具，在调用链条上如何保障故障容错和超时机制？10.有没有做过工具调用失败后的feedback策略设计？11.训练过程中数据来自用户行为日志，你是如何从这些数据中抽取训练对话的？有没有做过归一化或事件抽象？12.有没有了解过带有时间窗口/偏移限制的对话系统？模型怎么“理解时间”？13.你觉得 Agent 哪些模块最容易在真实业务中出问题？你会如何监控和定位的？

算法实习了三个多月，第一次做了NLP大模型相关的业务，很有成就感。360真的超好，实习期间完整的做了两个项目，刚开始的前几天配环境熟悉业务，后面就直接能上手了，感谢mentor的信任，愿意把一些实打实的内容让我做，完全没有做一些dirty work可以说是充实的过了三个月，也了解到最近很火的ai方面，前段时间isc上，有在推纳米ai、aigc的一些东西，360也能做出来一些不错的成绩，据说纳米ai多智能体蜂群是全球首个L4级智能体，很牛了。马上要结束这段实习了，蛮舍不得的，360还是蛮多岗能转正的，和我一批入职的哥们，他26届的，现在已经转正了，可惜我才大三。。。

刚来就来填一张面试表然后去一个办公室面试主要是问简历上的项目配置流程，各个模块之间通信模式，配置流程，传输数据是怎么设置的，多少位TFT屏幕是怎么通信，怎么将采集的数据在屏幕上显示，这个流程是怎么样的？怎么让蜂鸣器响的有没有不用库，直接操作寄存器控制的项目然后就是问你期望薪资目前住哪里职业发展规划

主包软院选的嵌入式细分方向，但是同方向周围好多同学都转后端前端了，都说嵌入式难找！转后端的同学的简历看上去真的感觉高端，相对比感觉自己的简历真的弱了很多没有竞赛经历感觉在嵌入式这行真的少了很多竞争力（主要是当时打服创结果队友拉了，软院打电赛的也少）目前还在改简历阶段，打算先上boss之类的平台找找有无大佬捞捞，想要找段中大厂实习撑撑场子