匹配正文：技术方向类（推荐） "咱们团队在RAG和Agent的结合上有什么探索？比如外卖/到店场景的多轮对话规划" "大模型在美团核心场景（如智能客服、推荐解释）的落地，目前最大的技术瓶颈是推理成本还是效果稳定性？" 团队与协作类 "团队的技术分享和论文跟进机制是怎样的？比如最近有没有跟进DeepSeek-R1或Kimi的long-context工作" "算法和工程团队的协作模式如何？模型上线后的A/B实验和监控体系是怎么设计的" 个人成长类 "对于校招/社招新人，团队有怎样的培养路径…

#面试技巧#职业规划#团队文化

面试题·Agent· 百度

Tool Use 实现方法有哪些?

匹配正文：…修正并发控制：多个独立工具可并行，有依赖需拓扑排序选型建议场景推荐方案快速验证/MVP ReAct Prompt 生产级Agent 原生Function Calling 100+工具/垂直领域微调专用模型高可用要求原生+校验层+降级策略学习建议建议系统学习该知识点

#百度#Agent#Tool Use 实现方法

面试题·Agent· 小红书

长序列怎么压缩与摘要?

匹配标题与标签：长序列怎么压缩与摘要? 生成式推荐中序列截断、记忆增强与分层建模方法 Agent 小红书 Agent 长序列压缩序列摘要生成式推荐记忆增强分层建模小红书

← 上一页第 5 / 5 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

#小红书#Agent#长序列压缩

面试题·Agent· 商汤科技

ReAct 与 CoT 怎么选？

匹配口述回答：…：比如调用订单API后，如果发现订单异常或用户有特殊备注，就临时切换到ReAct模式去跟用户确认。另外，遇到退款失败的情况，我会让Agent进入Reflexion模式，让它自己分析失败原因是参数错误还是权限不足，并尝试修正。这里有个很重要的前提：Agent的可靠性高度依赖工具调用的稳定性。如果工具API不稳定，或者返回格式不统一，再好的规划也白搭。所以上线前我会特别关注工具调用的超时重试、错误码处理，以及Agent的异常恢复机制，比如连续失败多少次后应该主动上报人工。另外，…

#商汤科技#Agent#AI Agent 行为模式

面试题·Agent· 字节

AutoGen vs LangGraph 怎么选?

匹配口述回答：…异常。我的经验是，二者都需要授权、预算、停止与失败处理；LangGraph的图不能保证零差错，AutoGen也可采用规则控制。生产稳定性要靠具体实现与故障演练验证。不过话说回来，真正落地的场景往往不是二选一。比如一个复杂的客服系统，我会用AutoGen做多Agent的协商和沟通，但外层用LangGraph搭一个工作流框架，把AutoGen的对话作为一个节点嵌进去，这样既保留了灵活性，又保证了整体流程的可控性。这种混合架构其实更常见，但很多人没意识到。所以我会把AutoGe…

#字节#百度#Agent

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·Agent

MCP 模型上下文协议是什么?

匹配标题与标签：MCP 模型上下文协议是什么? AI 工具生态的 USB-C,把 M×N 集成难题变成 M+N Agent 入门基础概念 MCP 协议 Model Context Protocol 模型上下文协议 MCP 和 Function Calling 区别

#入门#基础概念#MCP 协议

面试题·知识图谱· 高德

知识图谱实时性怎么保证?

匹配口述回答：这道题其实问的是，当[[知识图谱]]和 [[RAG]] 结合时，怎么平衡数据的实时性和系统的稳定性。我的核心思路是分层解耦加增量流水线，而不是搞一个万能方案。先说分层。我会把知识图谱里的数据按变化速度分成三层。第一层是本体层，就是知识图谱的骨架，比如实体类型、关系定义，这个很稳定，人工维护，季度更新一次就够了。第二层是实体关系层，比如商家信息、商品目录，变化慢但会变，我一般做小时级或者 T+1 的增量更新。第三层是动态事实层，比如实时路况、库存状态、优惠券是否被领完，这种变…

#高德#知识图谱实时性#RAG 知识图谱

面试题·Prompt· 小红书

提示工程有哪些核心方法?

匹配正文：答案要点能系统分类提示工程方法（基础技巧、上下文学习、推理增强、Agent模式）准确说明CoT/ToT/ReAct的核心机制与区别能结合业务场景分析选型（简单任务vs复杂推理vs工具调用）指出提示工程的局限性（上下文长度、稳定性、可扩展性）一、基础提示技巧 Zero-shot / Few-shot Zero-shot：直接描述任务，适合简单明确的需求（如格式转换、简单分类） Few-shot：给2-5个示例，显著提升小模型表现和输出格式稳定性优缺点：零成本低，但复…

#小红书#提示工程方法#Prompt 技术

面试题·Prompt· 百度

Reflection 机制怎么提升协作?

匹配口述回答：…如用户点踩或者工具调用报错。这样反思会更及时，但信号质量需要把控，不然会引入噪声。所以整体上，我会把 Reflection 看成智能体的自我进化机制，不是每个场景都需要，但在复杂协作中它是提升决策质量的关键。我更倾向于用它做后端兜底，而不是每步都反思，这样效率和稳定性都能兼顾。一句话定位：Reflection本质是让智能体拥有元认知单智能体：自我纠错与策略优化多智能体：通信校准与冲突消解典型框架与场景选择落地风险与收尾约4分钟反思触发条件的设计：内部置信度 v…

#百度#Agent#Reflection 机制

面试题·Prompt· 哔哩哔哩

CoT 提示怎么写?

匹配正文：…务可能增加token消耗而无收益事实性问答不需要CoT，直接回答更高效模型能力不足时（如小模型），CoT可能产生幻觉推理链在Agent中的应用：CoT是ReAct、Plan-and-Solve等Agent架构的基础组件，支撑任务分解与规划能力。

#b站#Agent#Chain-of-Thought 提示

面试题·Prompt· 美团

ReAct 框架核心思想与流程

匹配标题与标签：ReAct 框架核心思想与流程 Reasoning+Acting 如何提升大模型代理任务效果 Prompt 美团 Agent ReAct 框架 Reasoning and Acting 大模型代理 ReAct 工作流程美团

#美团#Agent#ReAct 框架

面试题·Prompt· 华为

思维链(CoT)什么时候用?

匹配口述回答：…T本质是让模型把隐式推理显式化边界划分：简单问题不需要CoT，复杂推理才用，落地常与ReAct结合业务场景：客服退款多步计算，Agent规划与工具调用落地风险：CoT会消耗更多token，且对模型能力有要求工程师姿态：我更倾向在需要可解释性和复杂推理时用，并搭配self-consistency 约4分钟 Self-Consistency可以弥补单条CoT路径的不稳定性，但路径多样性和答案一致性需要平衡。面试官可能会追问：Self-Consistency的具体实现方式…

#华为#思维链 CoT#Chain-of-Thought 使用场景

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配正文：…检索结果会稀释注意力演进方向 Advanced RAG：查询重写、HyDE（假设文档嵌入）、递归检索 Modular RAG：与Agent结合，动态决策何时检索、检索什么

#字节#RAG应用场景#RAG 技术实现

面试题·RLHF与对齐· 美团

模拟器与 World Model 的偏差和迁移

匹配口述回答：…成本和长程信用分配。世界模型误差会累积，但不必然按固定指数增长；可微模型也不会自动解决所有信用分配。【90秒主答】一个浏览器 Agent 可在真实网页、录制重放的测试站点或人工模拟页面中交互；代码 Agent 可在容器里编辑、运行测试并获取结果。这些环境都能提供可执行反馈，却未必包含训练得到的 world model。若另外训练模型预测下一个状态和 reward，再用它生成 imagined rollout 或做规划，才进入典型 model-based 范畴。环境反馈比静…

#环境模拟训练#世界模型#Model-based RL

面试题·评估· 字节

专业领域 RAG 链路怎么搭?

匹配口述回答：…钟如果用户问的是多跳推理问题，简单的 Naive RAG 不够，需要考虑 Agentic RAG 或 Self-RAG，但延迟和稳定性是风险。面试官可能会追问多跳推理的具体实现方式、如何控制 Agent 的搜索次数、或者 Self-RAG 的训练细节。

#字节#RAG 全链路#RAG 技术链路