匹配正文：…难性遗忘研究生和算法背景更容易切这个方向。后端同学也能靠应用项目逐步靠近,但不建议一开始就把自己包装成微调专家。先讲清 RAG/Agent 场景,再说明你理解什么时候需要微调,会更可信。读 JD 时用这张表判断岗位类型 JD 关键词更可能是哪类岗位你该准备什么知识库、问答、向量库、检索、引用 RAG 工程 RAG 项目、检索/重排/评估题 Agent、工具调用、工作流、自动化、MCP Agent 开发 Deep Research 或最小 Agent 项目 vLLM、…

#求职#职业转型

求职指南·求职

后端工程师转大模型应用开发:已有经验怎么迁移

匹配正文：…优化性能调优、连接池、批量化、异步降级可观测性 / 线上质量监控评估指标埋点、离线评测集、线上 badcase 采样与回归 Agent 工作流编排状态机、任务调度、重试与幂等、DAG 编排工具 / 函数调用集成接口设计、RPC、参数校验、错误处理这张表的用法不是让你自我安慰,而是面试和简历时的翻译词典:对方用大模型的黑话问,你用工程语言接住,再补一句「本质上和我做过的 X 是一回事,区别在 Y」。这一句就是区分「真懂」和「背名词」的分水岭。哪些能力直接复用,哪…

#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：…程检索、知识库、向量库、召回、rerank、问答把企业文档接进大模型做问答/助手转行主战场,吃透 RAG 教程全链路选型 Agent 开发 Function Calling、工具编排、ReAct、工作流、MCP、多轮让模型自主调工具完成多步任务后端逻辑强的人对口,练 Agent 项目偏算法的应用算法 SFT、LoRA、数据配比、评估集、DPO、微调用微调和评估把模型效果调上去更接近算法岗,先看应用岗 vs 算法岗再决定碰不碰分辨方法很简单:看 JD 正…

← 上一页第 4 / 4 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

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：…了怎么办"就卡壳。把这三块讲扎实,你就已经赢过多数候选人。常见的大模型系统设计题型有哪些结论:题型不多,核心是 RAG 问答、Agent 工作流、高并发推理服务这三类,以及在它们之上的评估和成本变体。不同题型考察重点不同,准备时对号入座,把每类的关键权衡点和对应的站内深挖章节过一遍。题目考察重点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) …

#求职#职业转型

面试题·Agent· 商汤科技

Tool Calling 失败处理

匹配标题与标签：Tool Calling 失败处理工具失败时的参数校验、重试、幂等和回填，补充适用边界与工程取舍 Agent 商汤科技 Agent Tool Calling 失败处理 Tool Calling 为什么失败？参数校验、重试与幂等 Tool Calling 机制 LLM 调用外部工具大模型工具调用商汤科技

#商汤科技#Agent#Tool Calling 失败处理

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：…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。所以整体上，我不会把任何一种方法当成银弹。我更倾向先分析任务的特性：工具调用频率、步骤确定性、是否需要长期记忆，然后组合一个最轻量的方案。定位问题本质：规划方法与工具调用范式的取舍四种方法的核心差异与边界划分…

#商汤科技#Agent#ReAct 替代方案

面试题·RAG· 阿里

LangChain vs LlamaIndex 架构差异？

匹配正文：…ngChain LlamaIndex 设计目标通用LLM应用编排框架数据驱动的检索增强框架核心抽象 Chain（链式调用）、Agent（自主决策） Index（索引结构）、Retriever（检索器）、QueryEngine（查询引擎）优势领域复杂工作流编排、多工具Agent 大规模文档索引、结构化检索关键功能对比 LangChain强项 Agent系统：ReAct、Plan-and-Execute等推理模式，支持工具调用与多轮决策模块化链：通过LCEL灵活组合…

#阿里云#LangChain与LlamaIndex#LangChain vs LlamaIndex

面试题·RAG· 阿里

LangChain vs LlamaIndex 场景怎么选？

匹配正文：…应用编排框架数据检索与知识库专用框架抽象层级高，覆盖完整应用生命周期聚焦数据摄入→索引→检索→合成核心优势工具链整合、Agent编排、记忆管理数据连接器、索引策略、检索优化技术侧重点对比 LangChain的核心能力链式编排：通过LCEL构建复杂工作流，支持条件分支、并行执行工具生态：内置大量第三方工具集成（搜索、数据库、API） Agent系统：ReAct、Plan-and-Execute等多模式Agent实现记忆管理：ConversationBuff…

#阿里云#AI框架选型#LangChain vs LlamaIndex

面试题·检索· 字节

RAG 系统实现：组件与流程

匹配题目：请详细说明RAG（Retrieval-Augmented Generation）系统的具体实现方式，包括主要组件和工作流程。

#字节#RAG系统实现#RAG 实现

面试题·检索· 淘天

Naive RAG vs Advanced RAG 区别?

匹配口述回答：…仍错，才检查 Prompt、生成模型或验证器。 Modular 或 Agentic RAG 把检索、工具、验证、重试与路由组成受控工作流，适合多步、多源和需要动态补证据的任务。代价是路径更难复现，也容易循环、越权和成本失控，所以要限制最大步骤、工具权限、总预算，并保留人工节点。选型时我会从 Naive 基线出发，在同一评测集上逐步加模块，分别看 Recall@K、MRR 或 NDCG、答案正确性、引用支持率、拒答、P95/P99 和成本。若新增复杂度没有改善目标切片，就删除它…

#淘天#重排与优化#Naive RAG