匹配正文：…文档最后自然长成你的证据链。教程章做完你能拿出的证据面试会怎么追问为什么需要 RAG 需求说明:场景、为什么不用纯大模型/微调 "这个场景为什么选 RAG 不选微调" 整体架构一张能手画的架构图 + 每个模块职责 "把你的链路画一下,数据怎么流" 文档预处理与切分 chunk 策略 + 大小的对比数据 "切多大、为什么、试过别的吗" Embedding 选型选了哪个模型、和备选的对比 "为什么这个 embedding,维度/成本怎么权衡" 检索召回·混合检索向量…

#求职#职业转型

求职指南·求职

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：…检索到"相似但无关"段落导致答错,加了重排 + 查询改写,忠实度靠 80 题评估集验证,而非拿 LangChain 当卖点掌握 Agent 开发、多轮对话做多步研究 Agent,针对"中途走偏"设计工具权限确认与 trace 回放,把失败恢复做进主循环了解模型微调、性能优化未上线的方向老实不写;写清"为省成本没上微调,先用检索+重排达标"这个取舍右列每一条都能被追问下去,而追问正是你想要的——你答得上,面试官就信了。左列每一条一追就断。想知道追问会怎么展开、怎么答,…

#求职#职业转型

求职指南·求职

大模型岗面试流程全解:每一轮考什么、怎么准备

匹配正文：…历筛选 → 2-3 轮技术面 → 1 轮总监/交叉面 → HR 面」。技术面的考察结构高度稳定:项目深挖占一半,领域八股(RAG/Agent/微调/推理)占三成,剩下是系统设计与编码。针对这个结构分环节准备,比盲刷一百道题有效得多——尤其要先把最占分的项目深挖补厚。作者:吴师兄 | 适合:准备投大模型应用开发岗、想搞清楚每轮考什么的人 | 前置:手上至少有一个能讲的项目,了解应用岗和算法岗的区别大模型岗一般几轮面试:整体流程长什么样先看结论:多数大厂是「1 轮筛简历 +…

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

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：…重你知道框架替你做了什么用框架重写一遍你的最小 RAG 「熟悉 Function Calling / ReAct / MCP」 Agent 岗核心项,会追问实现细节 MCP 入门、工具调用「熟悉大模型微调」应用岗通常只考 LoRA/SFT 概念与「何时微调 vs 何时 RAG」题库「模型微调」模块的判断类真题「熟悉推理优化(vLLM、量化、KV Cache)」部署方向核心项,其他方向是加分项题库「推理优化」模块「良好的工程能力」代码能读能维护、懂接口/异步/…

#求职#职业转型

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：…面看项目真实性;越往后越需要证据研二,双二本硕士技术链路补过,但二面表达和项目细节不稳针对百度二面问题复盘,逐项补 RAG/Agent 追问答案通过百度多轮面试,并有中科院软件所实习选择复盘要具体到问题,不能只说"下次多准备" 985 本硕,有 Dify 相关实习有经历,但实质技术点不够能打补 RAG、Agent、微调、上下文工程,把实习经历转成可追问项目推进到字节相关机会反馈有实习不等于稳,经历也要被改造成能深挖的证据链判断自己是不是这个问题,很简单:把…

#求职#职业转型

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：…站内承接设计一个企业知识库问答系统(RAG) 切块/检索/重排、防幻觉、引用、评估闭环 RAG 系统怎么从零搭起设计一个多步 Agent / 工作流(如深度调研助手) 任务拆解、工具调用、记忆、循环终止、失败重试 Deep Research 这类 Agent 怎么设计设计一个高并发大模型推理服务批处理、KV Cache、并发调度、显存、限流降级服务化章和推理优化题库设计一个带评估的内容审核/分类系统 Prompt 分类 vs 微调、评估指标、误报漏报权衡模型…

#求职#职业转型

求职指南·求职

大模型岗的总监面、行为面、HR 面与谈薪怎么应对

匹配正文：…怎么达成一致或让步→结果。展示协作而非"我一定要赢" 你的职业规划方向稳定,和岗位一致,不是跳板 12 年做深应用工程(RAG/Agent/评估),中期往系统设计或某垂直场景纵深;和目标岗位对齐,别画"三年当总监"的饼为什么选我们做过功课,不是海投说得出这家团队的业务/方向/技术栈和你的匹配点(如"你们做企业知识库,正好是我 RAG 项目的场景")。别用"平台大、发展好"通用话 "为什么转大模型"是重中之重,面试官几乎必问,而且会顺着追问("那你觉得 RAG 和微调怎…

#求职#职业转型

求职指南·求职

转行大模型最常见的 12 个坑

匹配正文：…公式推导,前置补太重会消磨掉全部启动期数学按需补,看转大模型数学要补多少划清边界 3 项目贪大、同时铺三个同时开 RAG、Agent、微调三个坑,每个都停在半路三个半成品讲不出深度,不如一个从头做完、能讲评估的项目先聚焦一条主线做透,方向选取看大模型技术栈全景 4 盲刷题背答案、不结合项目把模块题一道道背熟,却从没在自己项目里处理过那些场景面试官换个场景挂到你项目上追问,只背通用答案一换问法就穿按方向刷并绑项目,方法在领域八股速通 5 简历堆名词、无场景…

#求职#职业转型

求职指南·求职

大模型转行:自学能走完全程吗,什么情况值得报班

匹配正文：…练习就能过,真正容易卡住的是那几个"需要外部反馈"的环节。维度自学够不够说明概念入门够 Transformer、RAG、Agent、微调这些概念,站内教程和题库讲得比多数付费课细,看+做就能建立框架最小实现够调 API、跑通一个 RAG demo、写个能调工具的 Agent,照着教程动手一遍就有完整项目做深容易卡 demo 谁都会跑,但"为什么这么切块、评估怎么做、上线遇到什么问题"没人给反馈时,项目很难从 demo 长成能扛追问的经历简历打磨容易卡 …

#求职#职业转型

求职指南·求职

转行大模型应用开发常见问题(FAQ)

匹配正文：这一页集中回答转大模型应用开发咨询里被问得最多的高频疑虑:年龄和学历还来不来得及、数学和 Python 是不是门槛、RAG 和 Agent 和微调先学哪个、在校生和在职后端各自的节奏、要不要辞职、要不要发论文考证书、自己做的项目面试认不认、以及大概多久能上岸。每个问题都给硬结论,不和稀泥,判断依据都写在答案里。作者:吴师兄 | 适合:准备转大模型应用开发但还在犹豫的在校生与在职工程师 | 前置:知道自己想投应用岗还是算法岗 30 岁、35 岁转大模型应用开发,晚不晚? 技术…

#求职#职业转型

面试题·项目与经历· 京东

面试反问怎么问才加分?

匹配正文：…安全冲突时，团队最近做过什么取舍，关键方案如何通过离线与线上验证？回答能够反映团队是否有真实基线、回滚机制和评测文化。规则、检索、微调或Agent都可能是答案，不需要先断言纯RAG必然失败。第三类问题关注岗位边界：这个岗位入职后的核心交付是什么，会负责数据、训练、评测、服务还是产品闭环中的哪些部分，怎样定义一个阶段做得好？再问新人能接触哪些真实问题、代码评审和技术复盘如何进行，比泛泛问晋升更容易理解成长路径。如果只剩很短时间，我会优先问目标与失败闭环，因为它们同时揭示业务…

#面试技巧#职业规划#团队沟通

面试题·RLHF与对齐· 美团

环境训练 vs 监督学习怎么选?

匹配正文：…根据上下文选动作并观察即时回报，通常没有跨多步状态转移。RLHF则特指把人类反馈或偏好形成奖励信号并用于模型对齐，不是任何在线环境微调的别名。静态数据训练出的策略是否能上线，取决于历史数据覆盖、策略偏离程度、环境变化和安全控制，不能预设必然失败。相反，在线策略也可能因探索、非平稳用户分布或奖励代理错误而退化。业务里还常见混合路线：先用示范做 SFT 或行为克隆，再用离线评估筛策略，在受控沙箱或小流量中做 bandit 或 RL 更新。若动作只影响当前推荐点击，bandit …

#环境交互#在线学习#探索与利用

面试题·RLHF与对齐· 美团

环境训练方法怎么选?

匹配追问：美团配送场景中，如何设计课程学习策略来训练骑手调度Agent 环境随机化与真实数据微调如何平衡，避免随机过度导致策略保守模拟器回放与真实在线AB测试的样本效率差异有多大场景切入假设你在做美团骑手配送调度，骑手一开始在简单网格地图上学路径规划，但线上有真实路网、动态订单和天气扰动。你怎么设计训练流程，让策略能一步步适应这些复杂性？层层追问训练一个智能体在环境里交互学习，通常怎么收集数据？……那如果环境很贵，比如一次真实配送失败成本很高，你怎么办？……有没有办法让策略见…

#环境交互采样#课程学习#域随机化

面试题·Agent· 美团

ReAct与Plan-and-Execute 上下文管理差异?

匹配标题与标签：ReAct与Plan-and-Execute 上下文管理差异? 长上下文场景下两种 Agent 框架的对比,含上下文管理与错误恢复 Agent 美团 Agent ReAct vs Plan-and-Execute Agent 框架选型长上下文 Agent 推理效率对比美团

#美团#Agent#ReAct vs Plan-and-Execute

面试题·Agent· 小红书

LLM 输出格式不规范怎么修?

匹配口述回答：…N Schema加重试机制再加规则兜底，宁可慢也要准。成本敏感场景，比如内容审核，用小模型加Few-shot加轻量修复就够了。复杂Agent多步推理，用Function Calling控制每一步输出，同时做好错误传播，比如一步失败就回滚。这里有个延伸点：如果模型本身不支持结构化输出约束，比如开源小模型，光靠提示工程和后处理可能不够，那就要考虑微调了。比如用[[LoRA]]在训练数据里加入格式正确的样本，让模型从底层学会输出JSON。但这又涉及数据成本和模型更新频率的问题。 …

#小红书#Agent#LLM 输出格式规范

面试题·Agent· 蚂蚁

模糊意图怎么补全?

匹配口述回答：… 第三层，主动追问。不是所有缺失都问，触发条件有三个：关键槽位缺失、置信度低于阈值、而且不是终止意图。问题生成我倾向用模板加大模型微调，控制长度和选项数量，别给用户五个选项让他选。终止策略也得想好：用户明确说“就这样”、或者达到最大轮数、或者检测到放弃信号比如用户说“算了”。 RAG和Agent的协同，这里我重点讲。不是一次性检索，而是每轮根据当前状态动态构造查询。比如第一轮用户说“转账”，检索转账流程知识；第二轮用户补充“给张三转”，检索张三的账户信息。检索结果作为prom…

#蚂蚁#Agent#Agent意图补全

面试题·评估· 蚂蚁

大模型客服评估：伪代码与指标

匹配正文：…估）：情绪识别、共情表达、主动追问业务层（模型评估）：方案准确性、一次性解决率、升单合规性 2. 混合架构：规则引擎 + 大模型Agent ┌─────────────────────────────────────┐ │ 输入：会话记录（文本/语音转写） │ └─────────────┬───────────────────────┘ ▼ ┌─────────────────────────────────────┐ │ 预处理：分片 → 摘要 → 关键事件提取 │ └…

#蚂蚁#客服质量评估#大模型评估系统

面试题·评估· 字节

Query改写怎么训练与评估?

匹配口述回答：这道题问的是Query改写，但我觉得本质不是在问技术实现，而是问怎么让多个[[Agent]]更好地理解用户意图、减少协作中的歧义。说白了，改写只是手段，提升整个系统的任务理解效率和协作流畅度才是目的。实现方式上，比较常见的就三种：规则模板、生成式模型、还有混合架构。规则模板适合那种高频、意图非常明确的Query，比如用户说“查一下我的订单”，你直接映射成“查询订单”就行，简单高效。但遇到长尾的、口语化的，比如“那个上周买的鞋还没到，帮我看看咋回事”，规则就抓瞎了，这时候得用…

#字节#评估与监控#Agent

面试题·评估· 安克科技

评估集防泄漏与复现

匹配口述回答：…点完全不同。RAG更关注检索质量，比如召回率、NDCG，还有生成内容是否忠实于检索结果，有没有[[Hallucination]]。Agent则更看重工具调用，比如[[Function Calling]]参数解析对不对、任务规划是否合理、多轮对话状态能不能记住。但真正落地时，两者常常是混合的，比如一个客服系统既有知识库检索又有工具调用，那评估就得两套一起上。另外，很多人会纠结RAG和[[SFT]]怎么选，我的判断是，如果知识频繁更新，RAG更合适，因为微调跟不上变化；如果知识相…

#安克科技#评估与监控#Agent

面试题·多模态· 美团

弱多模态+强文本模型怎么协同?

匹配标题与标签：弱多模态+强文本模型怎么协同? 图文理解场景下分工与信息交互机制设计,含数据流与部署优化多模态美团多模态 Agent 多模态协同推理弱多模态模型 DeepSeek-R1 协同美团

#美团#多模态#Agent

面试题·Prompt· 华为

Prompt Engineering 技巧怎么选?

匹配口述回答：…输入处理，敏感工具由服务端鉴权和确认。模型升级后重跑回归；如果失败根因是缺知识、缺权限或模型能力不足，就把问题交给 RAG、工具或微调，不继续堆提示词。 Prompt工程本质是引导模型行为基础技巧：角色锚定、格式约束、负面指令场景化技巧：RAG用引用强制，Agent用ReAct框架业务案例：法务问答的幻觉治理工程师判断：Prompt是手感活，要结合校验和版本管理约90秒自动化Prompt优化方法，根据bad case自动调整指令，类似Self-RAG的反思机制。 …

#华为#Prompt工程#Prompt Engineering 技巧

面试题·Prompt· 阿里

Prompt优化怎么评估准确性与效率？

匹配口述回答：…高，而且可能破坏原有能力。所以我的取舍是：优先用Prompt优化，因为它轻量、可回滚；只有当优化效果不显著或者稳定性太差时，才考虑微调。这个选择其实取决于业务对稳定性和迭代速度的要求。所以整体上，我更倾向于把Prompt优化评估看成一套持续监控体系，而不是一次性的打分。先建基线，再小流量验证，最后用统计手段确认效果，这样上线才放心。问题本质：Prompt优化对Agent推理链的影响评估分层指标：准确性、稳定性、效率业务场景：客服退款链路落地风险：控制变量与统计显著性…

#阿里云#Prompt工程#评估与监控

面试题·Prompt· 商汤科技

ReAct 之外还有哪些规划方法?

匹配口述回答：…Act 每一步都调LLM，成本高、延迟大。所以落地时我通常会组合使用：Plan-and-Execute 做骨架，ReAct 做局部微调，Reflexion 做离线优化。我最近在关注一个方向：当任务依赖多个外部系统时，比如既要查数据库又要调API，ReAct 的规划能力会受限于模型的上下文窗口，这时候怎么分治？我倾向于引入 [[Multi-Agent]] 架构，每个[[Agent]]负责一个子任务，通过消息传递协作。这个方案目前还在探索，但我觉得是未来处理复杂工作流的关键。 …

#商汤科技#Agent#ReAct 替代方案

面试题·Prompt· 百度

意图识别 Prompt 最佳实践?

匹配标题与标签：意图识别 Prompt 最佳实践? 关键要素与最佳实践,覆盖少样本与思维链 Prompt 百度 Prompt工程 Agent 意图识别 Prompt 设计 Prompt 模板关键要素少样本 Prompt 思维链 Prompt 百度

#百度#Prompt工程#Agent