匹配正文：…均花 10 秒扫一份简历,逻辑是关键词匹配加上项目含金量扫一眼。两个动作直接提升通过率: 技术栈对齐目标 JD 的措辞。JD 写「检索增强生成」你就别只写 RAG,两个都写;JD 强调「Agent 落地」你的项目标题就别停在「问答机器人」。JD 逐条怎么翻译成简历语言,见JD 怎么读。项目描述按「业务问题 → 方案 → 量化结果」三段式写,让筛选者一眼看到你做过真东西,而不是跟着教程复现过。写完按简历项目追问模板逐条自问,检查每条经历能否讲清实现、取舍与验证,提前找出答不上…

#求职#职业转型

面试题·Agent

首次 SFT 后格式稳定了，为什么工具选择和答案仍然不行？

匹配正文：…calculator 或其他工具。模型实际选择作为另一维，形成工具混淆矩阵。若大量直接完成题被预测成 Search，说明存在默认检索偏好。若 Visit 被预测成 Search，说明模型没有区分摘要和原文证据。若 calculator 被预测成直接回答，则要继续判断问题是否确实需要精确计算，不能机械地把所有算术都判错。矩阵之外还要保存“为什么”。同一个错误格子里，可能有人是关键词误导，有人是知识时效判断错，也有人是工具描述不清。只有回到样本和状态，才能决定是补训练数据、改…

#Deep Research#数据构造与训练#Deep Research SFT

求职指南·求职

大模型岗位 JD 怎么读:招聘要求逐条拆解

匹配正文：… 应用岗只需懂大方向:预训练/SFT/RLHF 各解决什么,不用会训基础概念扫盲,会讲即可「有 RAG 系统实践经验」能讲清检索链路每个环节的选型与权衡 RAG 完整教程 + 题库 RAG 模块「有 Agent 落地经验」做过多步工具调用的东西,能说清编排与失败兜底 30 行最小 Agent、Agent 项目实战「熟悉主流开源模型」知道 Qwen/Llama/DeepSeek 等各自特点、会按场景选型在项目里实际换几个模型跑,记住体感差异「熟悉 LangCh…

← 上一页第 15 / 27 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#求职#职业转型

面试题·RAG

资料里没有答案时，RAG 怎么避免强行生成？

匹配正文：…库几乎总能返回结果，相关和足够怎样区分？阈值应该怎么定，换模型后还能不能继续用？有答案却被拒绝，和没答案却强答，哪个更严重？检索分数过关后，生成阶段为什么仍可能编造？为什么“搜到了”仍然可能没有答案？向量检索做的是相对排序。给它一个问题，它会在当前索引里找出语义上最接近的若干片段。即使整座知识库都没有正确答案，仍然可以排出第一名、第二名和第三名。第一名只代表“在现有候选中最像”，不代表“足以支持结论”。关键词检索也有类似问题。问题里出现“票据”“交通”“补办”…

#RAG#生成与对话#RAG 无答案检测

面试题·Agent

训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？

匹配正文：…迹和评测验证。工具选择数据至少要标哪些状态？第一类是知识稳定性。稳定常识可能直接回答，最新事件、价格、版本和政策通常需要外部检索。第二类是证据深度。发现候选页面可以 Search，核对条款、参数和上下文往往要 Visit 原文。第三类是计算需求。需要精确运算、统计或代码验证时，calculator 或 Python 比自然语言估算更可靠。第四类是来源要求。用户明确要求引用、官方来源或限定网站时，动作边界与普通问答不同。第五类是任务进度。同一道题在开始阶段…

#Deep Research#数据构造与训练#Deep Research 工具选择

面试题·Agent

Agent 记忆数据怎么存？关系库、向量库、对象存储与 Schema 怎样设计

匹配正文：…关系库保存 memory_id、主体与租户、类型、规范化内容、来源、时间、版本、有效状态、权限、替代关系和索引状态；向量库只保存可检索文本、embedding、主记录 ID、版本和必要过滤元数据，命中后必须回关系库复查权限与最新状态；长对话、文档和工具产物放对象存储，State 或记忆只保留引用。写入先提交主记录，再异步构建索引；更新和删除通过版本与事件传播，失败可重试。检索、冲突、遗忘和用户删除都以主记录为准，不能让索引副本成为事实源。这套回答用数据责任、查询方式和生命周…

#Agent#记忆与存储#Agent 记忆存储设计

求职指南·求职

项目深挖:面试官会怎么一层层追问你的项目

匹配正文：…而验伪的方式就是顺链下探。【RAG 项目追问链·核心】面试官会顺这条链一层层问一句话:面试官从业务问题问起,顺着"文档→切分→检索→重排→溯源→评估→badcase→成本"往下走,每一环都在验证一件具体的事。下表逐环拆开,照这个顺序把自己的证据补齐,你就知道链会断在哪。追问点面试官想验证什么你该怎么答(带证据) 站内哪里补业务问题你是不是为真问题做的,还是为做而做说清给谁用、痛点是什么、为什么不用纯大模型或微调为什么需要 RAG 文档处理你有没有碰过真实脏…

#求职#职业转型

面试题·RAG

RAG 引用怎么做到可核验？为什么让模型自己标来源不够？

匹配正文：…位置。如果解析时只保存了纯文本，页码和位置已经丢失，生成阶段再聪明也无法可靠补回来。模型可以猜一个页码，却不能把猜测变成证据。检索返回 Chunk 时，不应只有内容和相似度分数，还要一起带回文档 ID、知识库 ID 和原始位置。引用系统应该沿用这条已有的数据链，而不是让模型凭语言能力重新描述来源。可核验引用与普通文件名引用的区别文件名只能告诉用户大概来自哪里，可核验引用还要定位到当时用于回答的具体证据。所以，回答末尾写“来源：某某.pdf”最多完成了文档级提示，还没…

#RAG#生成与对话#RAG 引用溯源

面试题·Agent

复杂任务一定要拆成多 Agent 吗？单 Agent 与多 Agent 怎么选

匹配正文：面试官可能会问：“一个 Deep Research 任务里有检索、分析和写报告，是不是应该分别做三个 Agent？” 很多人会直接回答“多 Agent 分工更专业”。但把三个 Prompt、三个名字和三段对话连起来，不代表系统真的获得了新的能力。任务边界不清时，多 Agent 只会增加消息传递、上下文复制、状态一致性和失败归因成本。反过来，一个 Agent 同时面对大量工具、相互冲突的指令、很长的中间轨迹和多个独立目标，也可能出现工具选择混乱、注意力被稀释、一步失败拖垮整条…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

求职指南·求职

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：大模型八股不该盲背。每个方向面试官真正想验证的东西是固定的:RAG 验证你懂不懂检索链路的取舍,Agent 验证你能不能让多步流程稳定跑,评估验证你怎么证明"效果好"。你按"这个方向想验证什么 → 先看哪个教程/项目 → 代表题型 → 项目里怎么体现"这套结构去准备,比刷一百道零散题有效得多。这一篇是按方向的考点地图,帮你搭准备框架;逐题答案和口语讲法在题库里刷。作者:吴师兄 | 适合:准备大模型面试、想按方向系统过考点的人 | 前置:看过技术栈全景、选好了主线方向本篇和…

#求职#职业转型

面试题·RAG

多轮 RAG 如何理解“这个怎么申请”？

匹配正文：…请。但如果系统直接拿“这个怎么申请”去搜索，Query 里没有产品、事项和场景，知识库很难找到正确原文。把整段聊天历史原样塞给检索器也不稳。历史越长，无关主题越多，当前问题反而越容易被稀释。这就是多轮 RAG 的一道高频面试题：当前问题依赖历史时，怎样把它恢复成可以独立检索的问题？对话历史太长以后，窗口、摘要和长期记忆又该怎样分工？只回答“把历史放进 Prompt”远远不够。面试官还会继续问：怎么判断当前是追问，还是已经换了话题？ Query 改写错了，系统怎样回…

#RAG#生成与对话#多轮 RAG

面试题·Agent

多 Agent 怎么编排？固定流水线和 Supervisor 监督模式怎么选

匹配正文：面试官可能会问：“既然任务已经拆成检索、分析、写作和评审多个 Agent，接下来是固定顺序执行，还是交给 Supervisor 动态调度？” 固定流水线把角色按明确依赖串起来，路径容易理解、测试和回放。Supervisor 则根据当前 State 决定下一步叫谁、是否返工或结束，适合运行时才能确定的开放任务。但 Supervisor 并不会自动让团队更智能，它也可能成为新的单点瓶颈：所有上下文都汇总到中央角色，路由错误反复发生，子 Agent 互相踢任务，最终在没有完成证据时…

#Agent#多智能体与评估#多 Agent 编排模式

求职指南·求职

大模型系统设计和编码环节怎么准备

匹配正文：…图,而是看你能不能把一个模糊需求(比如"做一个企业知识库问答")拆成可落地、可评估、可控成本的系统。面试官要的是权衡:数据怎么切、检索怎么召回、效果怎么评、成本和延迟能不能扛、模型挂了怎么降级。编码环节反而轻,多是基础数据结构/算法加一小段工程实现,不必刷到竞赛难度。这一页给你系统设计的答题框架和编码环节的准备重点。作者:吴师兄 | 适合:准备大模型岗系统设计与编码环节的转行者 | 前置:知道 RAG/Agent 是什么,最好做过一个项目大模型系统设计到底考什么先给结论…

#求职#职业转型

面试题·Agent

长轨迹被截断就算失败吗，为什么这样做会把 Agent 训成提前乱答？

匹配正文：…证据。再定位终止原因，确认是服务返回的 stop reason，还是通过文本猜测。随后判断在相同状态下，合理下一步是什么：继续检索、综合答案、安全降级还是已经应该更早停止。若轨迹可续跑，审核者只提供结构化 checkpoint，不提供理想答案，让恢复策略在环境中继续执行。复核结果写成失败类型、可恢复性、建议用途和证据，不写“看起来还行”这类无法执行的意见。人工复核样本应覆盖不同终止原因和任务难度，不只看最容易判断的格式截断。如何构造截断边界的评测集？准备可在短预…

#Deep Research#数据构造与训练#Deep Research 截断轨迹

面试题·Agent

Text2SQL 面对上百张表，怎样选对 Schema 并处理业务歧义

匹配正文：…一次猜完。结构化解析还便于 Trace。错误 SQL 出现时，可以判断是指标识别错、时间解析错、实体映射错，还是 Schema 检索错。业务术语词典解决什么业务词典连接用户语言与数据语言。每个术语可以保存标准名称、同义词、定义、可选口径、适用数据域、对应指标或字段、时间语义、版本和负责人。“新增客户”可能映射注册事件，“付费客户”映射支付成功事实，“活跃客户”则可能按产品线有不同定义。词典不是简单同义词替换。它要表达条件和歧义。例如“销售额”在经营报表里可能指含税订…

#Agent#工具调用与安全#Text2SQL Schema 选择

面试题·项目与经历· 字节

大模型任务表现差怎么排查？

匹配正文：…率联合观察。t-SNE适合探索局部可视化，但会扭曲全局距离，不能单独作为样本属于分布外的证据。系统侧要把基础模型、prompt、检索、工具、后处理和模型本体分开。检索没召回、上下文被截断、格式校验错误，都可能表现为模型能力不足。训练侧检查loss mask、tokenizer、学习率、梯度、checkpoint加载和数据配比，并用少量样本过拟合测试确认实现能学习。若确定需要微调，就建立可比较基线。LoRA的target modules、rank、alpha、学习率和dro…

#模型调试#bad case分析#数据质量

求职指南·求职

转行大模型最常见的 12 个坑

匹配正文：… 复盘,刷评估与监控题库 7 只追最热的 Agent、忽略 RAG 和评估地基看到 Agent 火就只学 Agent,RAG、检索、评估基本没碰 Agent 建在检索和评估地基上,地基空的 Agent 一追就露怯按题量补齐地基,方向分布看大模型技术栈全景 8 把 RAG 当普通 CRUD 拼接觉得 RAG 就是"存向量、查向量、拼 prompt",套后端惯性搭一遍面试考的是分块、召回、重排、忠实度的取舍,不是接口拼装过一遍检索链路取舍,看怎么攒真项目经历里的…

#求职#职业转型

面试题·Agent

一次 Deep Research 到底花了多少钱，为什么只看总 Token 找不到成本黑洞？

匹配正文：…样分层？根 span 表示一次 task，保存 task ID、租户、问题族、预算、版本和最终状态。阶段 span 表示计划、检索、访问、计算、摘要和综合等阶段。模型 span 记录模型、Prompt 版本、输入输出 token、缓存使用、采样、延迟与结果状态。工具 span 记录工具名、参数摘要、供应商 request ID、计费单位、缓存命中、重试与错误类型。状态 span 或事件记录 checkpoint、上下文长度、证据数量、剩余预算和停止原因。父子关系让…

#Deep Research#上线成本与评估#Deep Research 成本

面试题·Agent

Deep Research 评估为什么不能只看最终答案，过程合理又该怎么量？

匹配正文：…ct，评估才有意义同一份报告，在不同用户要求下可能有不同判定。用户只问稳定概念，直接回答合理；用户要求最新官方出处，就必须外部检索。任务 contract 至少包含对象、时间范围、交付、来源要求、允许工具、风险级别和预算。开放设计题还要写明评价标准，例如约束覆盖、取舍与风险，不要求唯一结论。无答案题要定义允许搜索的来源与范围，否则无法判断是合理拒答还是搜索失败。评估器读取 contract 后再检查结果与过程，不能用一套固定 rubric 机械评价所有任务。主张…

#Deep Research#上线成本与评估#Deep Research 评估

面试题·Agent

Agent 线上答错一次，怎样用 Trace 和 Replay 定位到底哪一步坏了

匹配正文：…race 把一个任务拆成有父子关系的 span。根 span 是整个任务，子 span 可以是规划、模型调用、工具调用、状态读写、检索、评审和人工确认。它能看到先后、依赖和耗时分解。 Replay 使用 Trace 保存的输入、版本、Observation 和工件，在受控环境中重新执行部分或全部链路，用来复现问题、比较修复和做回归。四者不能互相替代。只有 Trace 没有聚合指标，团队不知道问题是不是系统性；只有指标没有样本回放，团队知道变差却不知道为什么。一条 Trac…

#Agent#多智能体与评估#Agent Trace 回放

求职指南·求职

转行大模型应用开发常见问题(FAQ)

匹配正文：…,再 Agent。理由有三:RAG 覆盖的面试考点最密、最容易做出看得见的真实效果、也是 Agent 的地基(Agent 的记忆和检索本质还是 RAG 那套)。跳过 RAG 直接冲 Agent,常见结果是项目跑起来了却讲不清检索为什么召回差、怎么评估,一追问就露。建议路径是先跟着RAG 系统实战教程做出一个能追问的项目,再去题库刷 Agent 模块。整个学习顺序的完整拆解在转大模型应用开发路线图。要不要学微调?应用岗用得上吗? 多数应用岗不要求你亲手微调,但要求你讲得清什么…

#求职#职业转型

面试题·Agent

Agent 怎么评估才不只看最终答案？任务、执行轨迹与成本要分层验收

匹配正文：…了错误工具，拿到无关结果，最后依靠模型记忆写对结论。这种轨迹在数据更新或问题变化后很容易失败。相反，Agent 可能完成了高质量检索和验证，但最后格式不符合用户要求。只记一个失败，会掩盖前面能力，也无法决定修 Prompt、工具还是状态机。因此结果层要拆维度，轨迹层要独立归因。最终综合结论可以有，但必须能回到每个分项和样本。第一步：先把“任务完成”写成可验收条件不同任务有不同完成定义。事实问答要求关键结论正确且有支持证据。研究报告还要求覆盖指定范围、引用与主张对应、…

#Agent#多智能体与评估#Agent 评估体系

面试题·项目与经历· 商汤科技

项目局限性与改进方向

匹配正文：…、数据版本和观察窗口】衡量。主要局限是【失败切片或系统瓶颈】，证据来自【错误样本、日志、用户反馈或消融】。根因候选包括【数据、检索、模型、工具、交互或部署】，通过【对照实验】排除【】，目前最支持的是【】。已尝试【方案】，结果【】，副作用【】；下一步以【最小实验】验证。若无法在预算内解决，采用【回退、拒答、人工或权限限制】控制风险。 RAG 项目要拆分 retrieval recall/precision、证据进入上下文、context utilization、fait…

#项目复盘#技术债务#系统优化

面试题·评估· 百度

LLM 准确性提升四大路径

匹配正文：…连接到可更新语料，但仍可能召回错误、忽略证据或错误引用。工具调用可以把搜索、计算和数据库查询交给外部系统，同时新增权限与注入风险。检索质量、证据支持率、答案忠实度和拒答都需单独评测。我的实验会先建立无增强基线，再分别加入数据改进、偏好优化、推理提示、检索或工具，每次只改变有限变量。按事实、推理、帮助性、安全、延迟和成本分桶比较，并保留人工盲评。最终选择的是满足目标风险的组合，而不是给DPO、RLHF、CoT和RAG排一个通用名次。

#数据质量#训练策略#推理优化