搜索大模型内容

手把手把 RAG 教程做成"你自己的"项目

匹配正文：…原理没吃透,去 RAG 基础题库对着刷,把"是什么/为什么"补齐再往下做。想有人从面试官视角帮你拆项目、模拟追问:训练营提供项目陪跑和真实面试官视角的模拟追问,适合你已经做出雏形、但吃不准"会被追到哪一层"的阶段。本篇和相邻篇的分工避免你读串:本篇只讲"怎么把 RAG 教程做成一个有完整证据链的项目"。项目描述该怎么用三维法(动作/技术/结果)写进简历,交给第 18 篇简历怎么写;面试里逐层追问链的应对模板,交给第 20 篇项目深挖。想做 Agent 方向的…

Agent 调用写操作怎么防误执行？副作用分级、幂等、确认和审计怎样做

匹配正文：…询，例如当前用户是否能修改目标资源。模型传入的 user_id、角色或权限字段都不可信。授权还要考虑任务范围。用户有权限修改某个项目，不等于 Agent 在任何对话里都能修改。任务创建时应确定允许的动作集合和资源范围，执行时再次核对。最小权限原则意味着 Agent 只获得完成当前任务必要的能力。只需要生成草稿，就不暴露正式发布工具；只需要查状态，就不暴露写接口。减少可见工具也能降低模型误选。 Dry-run 解决什么问题 Dry-run 不产生真实副作用，而是返回“如果执…

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

#Agent#工具调用与安全#Agent 写操作幂等

#Agent#工具调用与安全#MCP 和 Function Calling 区别

MCP 和 Function Calling 有什么区别？Agent 工具接入时两者怎样配合

匹配正文：…协议和服务治理。对工具调用质量，分别评估发现是否完整、过滤是否正确、模型选择、参数、执行和结果忠实度。MCP 接入成功不能替代 Agent 端到端任务评估。如果现有项目没有真实 MCP 运行证据，就把回答限定为架构比较和迁移方案，不声称已经接入多少 Server、降低多少成本或提升多少准确率。一条渐进式迁移路径第一步，先把现有 Function Calling 工具收敛到统一 Registry 和执行网关，厘清 Schema、执行器、权限与错误。第二步，选择复用需求…

大模型简历怎么写:项目怎么描述、怎么量化、怎么防追问

匹配正文：大模型简历的核心不是堆名词,而是让每个项目从三个维度都立得住:工程维度(你搭了什么)、业务维度(为谁解决什么)、结果维度(用什么指标证明有效)。三维齐全、数字可追问,面试官才信你真做过,一面才不会穿。反过来,只写"熟悉 RAG / Agent / LangChain"而没有一个场景、一个数字,HR 和面试官都无法判断你是做过还是背过,直接归到"背名词"那一档。作者:吴师兄 | 适合:准备投大模型岗、卡在项目怎么写的在校生和转行后端 | 前置:手上已有或正在做一个 RAG /…

要不要做微调 / Post-Train 项目,轻量版怎么做

匹配正文：…st-Train。这一页帮你判断该不该碰微调,以及如果要做,轻量版的最小证据链长什么样。作者:吴师兄 | 适合:纠结要不要做微调项目、把 LoRA/SFT 写进简历的转行者 | 前置:知道 RAG/Agent 是什么,看过技术栈全景转应用开发岗,到底要不要做微调项目先给结论:看你投的岗位,多数应用开发岗"知道何时用微调"比"做过微调"更重要,不必硬凑一个微调项目进简历。面试官问微调,大多数时候不是要验证你会不会写训练脚本,而是要验证你的判断力:遇到一个需求,你能不能分…

#Agent#记忆与存储#Agent 记忆写入机制

Agent 长期记忆什么时候写入？从候选提取到更新、冲突和遗忘的完整生命周期

匹配正文：…ity": "user_private", "supersedes": null } 这只是用于说明字段责任的教学示例，不代表现有项目的生产 Schema。重点是记忆不能只剩一段文本和一个向量，否则系统无法判断它属于谁、从哪里来、是否过期以及当前 Agent 能不能读。保存授权不能藏在“提升体验”里长期记忆跨越当前任务，授权边界必须比普通上下文更明确。产品可以把信息分成三类。用户主动要求“请记住”的内容，在通过安全检查后可以直接进入确认流程。为了完成当前任务而暂时处理的…

#Agent#记忆与存储#Agent 记忆检索排序

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

匹配正文：…问：“长期记忆已经存了很多条，为什么不能直接向量检索 TopK？” 因为“语义相似”只回答文本像不像，不回答这条记忆属于谁、当前 Agent 有没有权限、信息是否还有效、来源是否可信、是不是被新版本替代，以及它对当前任务到底有多重要。用户今天问“帮我继续上次的 RAG 评测”，向量库可能召回一个月前的项目目标，也可能召回另一个项目里措辞相似的评测记录。旧目标语义很像，但当前阶段已经变化；另一个项目更像，却属于错误作用域。若系统只取相似度最高的几条，记忆越多，污染当前决策的机…

#Agent#记忆与存储#Agent 记忆存储设计

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：…限版本和查询作用域。权限变化、记忆更新、撤回和删除时主动失效。只按查询文本缓存结果，可能把一个用户的候选返回给另一个用户。不同 Agent 的权限也要最小化。写作 Agent 可能读取表达偏好，支付 Agent 才能接触交易状态；研究子 Agent 只拿当前项目公开材料。共享 Memory 不代表全部 Agent 共用一个无边界向量集合。 Trace 记录候选 ID 和判定理由，避免把敏感正文复制进普通日志。调试工具本身也必须鉴权和脱敏。删除为什么是存储设计的验收题用户…

项目深挖:面试官会怎么一层层追问你的项目

匹配正文：大模型面试里最能分辨真假的环节,就是项目深挖。面试官不会随机提问,而是顺着一条几乎固定的追问链,从"你解决的是什么业务问题"一路问到评估、badcase 和上线成本,哪一环你只有话术、没有证据,他就在哪一环停下判你"水"。所以准备项目不是把讲法背顺,而是提前把这条链上的每一环都补一条"问题+方案+取舍+数字"。这一篇拆开 RAG 和 Agent 两条最常被追的链,逐环告诉你面试官想验证什么、你该怎么带着证据答。作者:吴师兄 | 适合:项目主线能讲顺、但被往深追第二层就卡住的…

#Deep Research#数据构造与训练#Deep Research 多阶段训练

Deep Research Agent 训练中，CPT、SFT 和 GRPO 应该怎样取舍？

匹配正文：…路径。它知道“标准答案长什么样”，却不知道哪条行动更好，也没有在环境反馈中练过取舍。相关训练材料把 Deep Research Agent 的训练拆成三层：Agentic CPT 注入 Agent 相关偏置，SFT 冷启动学习协议与基本轨迹，GRPO 再在环境反馈中优化策略。这三个阶段分别解决不同问题，不能因为名词热门就机械拼成一条训练流水线。所以面试官真正想问的是： CPT、SFT 和 GRPO 各自改变什么，为什么顺序通常这样安排，阶段之间如何设准入与退出标准，哪些…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

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…

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…

#Agent#多智能体与评估#多 Agent 编排模式

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…

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

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：Deep Research Agent 一次任务可能经历多轮搜索、访问、计算和摘要。当轨迹达到最大 token、最大步骤或运行时间，系统可能在 final answer 之前停止。很多训练管道看到“没有最终答案”，就直接给零 reward，并把这条轨迹当作负样本。这看起来合理，实际上可能教坏模型。有些轨迹确实走错了，有些只是环境超时，还有些方向完全正确但预算用完。若全部受到同一种惩罚，模型反而会学着赶在截断前随便给出答案，研究质量未必提高。相关训练材料明确提醒，这种处…

#Agent#工具调用与安全#Agent 代码解释器沙箱

Agent 能执行 Python 代码，怎样设计 Code Interpreter 沙箱才不会伤到宿主机

匹配正文：面试官可能会问：“Agent 为了分析表格要执行模型生成的 Python，如果代码里读取服务器文件、发网络请求或启动大量进程，你怎么防？” 代码解释器让 Agent 从“会说”变成“会计算”。它可以处理数据、运行统计、生成图表和验证中间结论。但 exec() 执行的不是普通业务代码，而是用户输入与模型生成共同影响的任意程序。训练材料里的最小实现会用字符串检查、模块黑名单和受限 safe_globals 演示原理。这适合学习执行流程，不是生产安全边界。Python 是动态语言…