搜索大模型内容

配置里有参数，不等于模型已经收到

匹配正文：…的建议。建议可以提供排查方向，具体工程里还要多核对一层：配置字典经过模型适配器以后，究竟有多少内容进入了下一次调用。沿当前这份 Agent 训练项目的本地 HF 与 API 两条实现检查，会看到一个容易误判的地方：返回日志保留的配置，可能比实际函数入参更完整；日志里没有写出的默认值，又可能正在参与调用。排查从调用口开始，别停在配置回显先看本地路径的职责。LocalHFProvider 接收对话或文本、采样配置和工具说明，在内部准备模型输入，再调用底层的 generate…

#Agent#模型推理#参数适配

记忆文件与发现索引，少写一步会怎样？

匹配正文：记忆文件与发现索引，少写一步会怎样？假设一次协作确认了这样的偏好：解释方案时先说明约束，再讲取舍。Agent 把它保存成一份记忆文件，文件名、正文都能在磁盘上找到。下一次会话开始时，系统却没有把这份文件的入口交给模型。这时若直接追查模型为什么“记不住”，很容易跳过真正缺失的一步。文件保存回答的是内容是否落盘；新会话怎样发现内容，还取决于它从哪里开始读取。两件事由不同文件承担，就可能出现正文已经写好，入口仍然没有更新的状态。当前这份 Agent 实现把记忆正文放在独立文件…

#Agent#Memory#持久记忆

#Agent#CodeInterpreter#Python

Python 沙箱的边界，不能只画在代码字符串里

匹配正文：Python 沙箱的边界，不能只画在代码字符串里代码解释器的演示很容易让人放心：模型写一段 Python，系统删掉危险导入，再把代码交给一个只保留少数名字的字典，最后收集打印结果和图表。门口有检查，房间里也只摆了允许的工具，看起来已经像个沙箱。项目面试真正要追问的，却是门外的事：运行这段代码的进程，究竟拥有什么权限？任务超时以后，那个进程真的结束了吗？ DeepResearch 里的 CodeWizard 要把模型计划变成计算结果，执行器就会碰到这层边界。限制源码拼写、限…

Worktree 建好之后，还要把工具接进去

匹配正文：Worktree 建好之后，还要把工具接进去给子 Agent 开启 Worktree 隔离，临时目录创建成功，里面也有项目文件。接下来让它读取当前位置，返回的却还是主工作目录。新副本没有建错，执行工具也没有报错，问题出在两者之间少了一次绑定。这一步很容易被开关名掩盖。配置里写了 isolation="worktree"，看上去已经把子任务送进另一间工作室；可它拿到的工具箱，可能仍然连着父任务原来的工作台。在本地 cc-python 实现里，创建 Worktree 与组装…

#Agent#Worktree#工具绑定

LIMIT 100 限住了结果，没限住查询工作量

匹配正文：…返回行数一样，数据库里的计算却不一样。结果上限可以保留，但不能拿它证明运行成本已经受控。 DeepResearch 里的数据分析 Agent 同样会碰到这个问题。生成合法 SQL 之后，执行器还要替共享资源守住边界。本文沿一份本地 Text2SQL 教程里的执行片段，用标准库的小实验，把结果行数、锁等待和计算取消分开验证。两份结果都只有一百行，后台工作却不同实验只在临时目录建了一个 SQLite 小库，放入六千条人工整数记录，分为一百二十组，没有为分组列和金额列建立索引。…

#Agent#Text2SQL#SQLite

流式工具调用，究竟等到哪一刻才能开始执行？

匹配正文：流式工具调用，究竟等到哪一刻才能开始执行？假设一个 Agent 要查询设备名称。模型准备调用 lookup_device，参数里需要填设备编号 DEV_A。使用流式接口时，工具名先到了，参数却分两段到达：前一段只有字段名，后一段才补上编号和结尾。系统如果看到工具名就开始查，拿到的可能还是空参数；如果一直等整个回答结束，又会把已经收齐的查询工单压在手里，白白等模型输出后面的内容。提前执行该把等待缩短到哪里？在这份本地实现里，边界是一个工具内容块结束。此前收集参数，此后生成…

#Agent#流式工具调用#工具执行

装了很多 Skill，要把每份说明都塞进上下文吗？

匹配正文：…录，但消息历史里多了工具返回的说明正文。模型这时才能根据具体要求继续处理汇总报告。完整内容进入的是后续对话消息，不要求重新改写整个系统提示词。这里需要区分“提示词要求去读”和“程序已经读回”。前者只是一段文字，后者有实际工具调用、返回内容和下一次请求。若目录已经发出，后面没有读取动作，链路就停在了发现入口。管理器里虽然也提供了 get_skill_content，可以返回之前存下的全文，但这条 Agent 循环实际走的是文件读取工具。不能因为看见管理器里有一份内容，就推断…

#Agent#Skills#渐进披露

求职指南·RAG

企业知识库 RAG 架构项目模拟面试

匹配正文：…至少两个候选方案、真实约束与放弃原因质量、时延、开发和维护成本下一步：metrics。配套学习：垂直领域 RAG 完整架构、Agent 中 RAG 瓶颈怎么破?。 5. metrics · metrics 你所说的效果改善具体是哪一个指标？基线、评测集、样本量、统计窗口和单变量实验分别是什么？考察重点：核验效果数字是否有定义、基线、样本和可归因证据。 Recall@k、答案正确率等指标的公式、分母与统计窗口冻结评测集、模型和检索配置下的旧方案结果评测集来源、规模、…

#模拟面试#简历项目#连续追问

求职指南·RAG

RAG 评测集与 bad case项目模拟面试

匹配正文：…问时：failure_case_missing → failure-proof。下一步：production。配套学习：RG 系统效果差怎么排查?、检索准但生成差，怎么调优？。 8. failure · failure-proof 请从一个 bad case 的查询、权限、候选、重排、上下文与答案逐层贴证据，并说明怎样排除至少一个竞争根因。考察重点：要求用可回放材料证明失败复盘；若只有假设分析，必须与真实事故或 bad case 明确区分。可复现的输入、链路证据和错误…

#模拟面试#简历项目#连续追问

求职指南·RAG

多轮对话、引用与权限隔离项目模拟面试

匹配正文：…权和权限变更样本的版本记录租户、用户和文档级权限对抗测试证据下一步：failure。配套学习：大模型输出怎么做真实性验证?、Agent 如何防越权与隐私泄露?。 7. failure · failure 给出一次指代错误、引用错页或跨租户召回的失败链路，系统在哪里发现并阻断？考察重点：确认候选人见过方案边界，并能完成证据驱动的失败复盘。可复现的输入、链路证据和错误输出根因验证与修复后的固定样本回归需要追加追问时：failure_case_missing → fa…

#模拟面试#简历项目#连续追问

转大模型应用开发路线图(2026):研究生/Java 后端要学什么、多久上岸

匹配正文：…法岗备考路线大模型应用开发的核心产出不是论文,也不是从零训练一个基座模型,而是把模型能力接到真实业务里:让企业知识库能问答,让 Agent 能调用工具,让答案能评估、能溯源、能上线、能被用户反复使用。所以这条路线的判断标准很简单: 你要证明什么面试官会怎么问该准备什么你懂模型基本行为 Token、上下文、幻觉、温度、Embedding 怎么影响系统概念能口述,能解释工程取舍你能把模型接进系统 API、流式输出、工具调用、异常兜底怎么做最小 LLM 应用 + 最…

大模型应用开发岗和算法岗有什么区别、普通工程师怎么选

匹配正文：…在纠结投应用岗还是算法岗的工程师、研究生、后端开发 | 前置:知道大模型基本概念,但不确定职业入口一句话分清:一个做模型,一个做系统算法岗更靠近模型训练和模型能力本身,应用开发岗更靠近业务系统和用户结果。两者都重要,但日常问题完全不同。维度大模型算法岗大模型应用开发岗核心产出更好的模型、训练策略、评估方法可上线的大模型应用、RAG/Agent 系统、业务流程自动化日常关键词 SFT、DPO、RLHF/GRPO、数据配比、loss、benchmark API、…

2026 大模型岗就业市场:招聘量、城市、薪资档位、哪些公司在招

匹配正文：…心算法大模型算法、后训练、推理框架、模型评估门槛高,适合有科研/训练/强算法履历的人互联网与 AI 应用团队 RAG 工程、Agent 开发、LLM 应用工程、应用算法转行主战场,项目和工程经验能发挥作用传统行业 AI 化金融知识库、制造质检、客服助手、办公自动化业务场景多,更看落地能力和行业理解本站这套指南主要服务第二层和第三层:把模型用到系统里,能讲清项目,能通过面试追问。纯算法岗也能参考,但不是主线。城市怎么选:先看岗位密度,再看你的生活约束大模型岗…

大模型应用开发岗一天在做什么?细分岗位画像

匹配正文：…试高频模块 RAG 工程让模型基于企业资料回答问题文档处理、切块、Embedding、检索、重排、引用、评估后端、数据、企业系统、知识库项目背景 RAG 基础、向量检索、重排与优化 Agent 开发让模型调用工具完成多步任务工具 schema、任务规划、状态机、记忆、异常兜底后端、全栈、自动化、研发工具背景 Agent、Prompt 工程推理部署/LLMOps 让模型服务稳定、便宜、跑得快模型服务、并发、显存、KV Cache、监控、灰度后端、SRE、平台工…

研一/研二转大模型应用开发:三年怎么规划、来得及吗

匹配正文：…或研三,简历里只有课程作业、论文摘要和几个 demo,面试官问项目细节时讲不深。大模型应用岗不是期末考试,它看的是你有没有真实做过系统。研一到研三的时间轴阶段主目标该做什么不该做什么研一上建立方向感读路线图,跑通 LLM API、最小 RAG、最小 Agent 一头扎进论文和公式,不写代码研一下做第一个完整项目按RAG 智能问答系统做出可展示项目,开始写简历草稿同时开太多项目,每个都停在 demo 研一暑期尝试第一轮实习投递投 RAG/Agent/…

工作三年的 Java 后端转大模型:在职怎么转、什么时候跳槽

匹配正文：工作三年的 Java 后端转大模型,最稳的打法不是辞职重学,而是在当前工作外用 12 周做出一个能讲透的 RAG/Agent 项目,把服务化、数据处理、稳定性经验翻译成大模型系统能力;等简历能过筛、项目能抗追问,再进入集中投递。作者:吴师兄 | 适合:工作 2-5 年 Java/后端、想转大模型应用开发但不想冒进的人 | 前置:有后端项目经验,能稳定抽出每周 8-12 小时先说职业决策:不要把“转行”理解成清零 Java 后端转大模型应用开发,不是从后端跳到另一个完全陌生…

大模型应用开发要懂哪些概念、懂到什么程度

匹配正文：…odule=向量检索 RAG 先检索相关资料再让模型基于资料回答能画出"切块-向量化-检索-重排-生成"整条链路 RAG 架构 Agent 与工具调用让模型自己决定调哪个工具、按结果再决策能说清一次工具调用的请求-执行-回填闭环 /ai-coding 第 3 章 Prompt 与结构化输出用提示词约束任务,并要求返回 JSON 等固定格式能写出让下游能解析的稳定输出,知道怎么处理格式跑偏系统提示词微调 vs 提示工程改模型权重 vs 只改输入,两条改行为的路径…

转大模型应用开发,数学和深度学习理论要补多少

匹配正文：…本编程数学不好,到底能不能转大模型应用先给结论:能,应用开发岗对数学的要求被严重高估了。原因是很多人把"训练模型"和"用模型做系统"混为一谈。训练一个模型确实要懂优化、概率、线性代数;而应用开发岗做的是检索、评估、编排、工程和取舍,这些活儿靠的是工程能力和产品判断,不是数学推导能力。一个更实际的检验:你去读大模型应用岗的 JD 和面经,会发现追问集中在文档切块策略、召回和重排、评估集怎么构造、badcase 怎么修、Agent 步骤怎么控制,几乎没有人让你现场推导梯度或…