搜索大模型内容

#Agent#工作流与状态#LangGraph StateGraph 设计

LangGraph 的 StateGraph 怎么设计？State、Node、Edge 到底各负责什么

匹配正文：…边界拆。需要不同重试、权限或观测策略的步骤，通常值得独立成节点。条件边读取自由文本如果路由函数依赖“模型回答里有没有某个词”，提示词轻微变化就可能走错。更稳的做法是要求模型输出枚举字段，再做 Schema 校验，对非法值走安全默认路径。并行节点覆盖状态两个节点同时更新同一字段，可能出现顺序不确定或结果丢失。并行前要定义字段合并规则，例如列表追加、按键合并或冲突失败。不能默认“框架会知道哪个结果更重要”。重试造成重复副作用只读搜索重复一次通常影响较小，发送通知、创建…

大模型应用开发要懂哪些概念、懂到什么程度

匹配正文：… 计费、按 token 生成耗时能算清一个请求的成本量级,知道流式输出改善的是体感延迟 /questions?module=推理优化幻觉模型一本正经编造不存在的事实知道它无法根治,只能靠检索接地和引用溯源缓解引用与溯源 Embedding 与向量把文本压成一串数字,语义相近则向量相近知道它是语义检索的基础,知道选模型影响召回质量 Embedding 选型向量库与 ANN 检索存向量、用近似最近邻快速找相似知道为什么用近似而非精确,知道它牺牲一点召回换速度 …

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

项目实战·RAG

第 7 章:Query 理解与改写

匹配正文：…段零依赖代码,看到"重写"和"扩写"怎么把检索不到的问题救回来 ✓ 看懂意图识别的三条路线(规则 / BERT 分类 / LLM Prompt)及各自适用场景 ✓ 分清 Query 重写(求"准")和 Query 扩写(求"全")的区别 ✓ 理解 HYDE 这个反直觉的技巧:为什么"先让模型瞎答一个"反而能提升召回 ✓ 学会多轮对话里的指代消解:把"它/这个"补全成能独立检索的问题 ✓ 会写 LLM 意图识别的 prompt 模板,并知道 300-500 个意图怎么处理本章…

#RAG#检索#项目实战

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：…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证明一个定理。数学在这里是"看得懂别…

#Agent#Deep Research#项目实战

面试题·RAG

Chunk Size 和 Overlap 怎么选？不要背 512 和 100

匹配正文：…有一张最终分数截图，而没有逐题结果，出现退化时很难定位。 Chunk 参数应该这样测出来固定模型、Top K、Rerank 与 Prompt，只比较切分配置带来的真实变化。指标怎么选，才不会只优化一个漂亮数字 Recall@K：正确证据有没有进入候选集如果标准证据完全没进前 K，后面的重排和生成通常无从补救。Recall@K 适合观察切分后“该找的内容能不能找到”。但它也可能被重复结果欺骗。三个高度相似的重叠块都命中同一证据，不能算找回了三份有效信息。因此评估时应按证…

#RAG#切分与索引#Chunk Size

项目实战·Agent

第 8 章:评估:调研类任务没标准答案,怎么定义「好」

匹配正文：…告还不够,中间「该不该多查一步、有没有交叉验证」的过程质量也得评。评估难,但不评估更危险:你根本不知道改一版到底是变好还是变坏,优化就成了盲人摸象。本章讲的就是:怎么给这种开放任务,建立一套靠谱的评估。为什么难评估:调研任务没标准答案,「跑通」≠「做得好」,过程也要评概念:评估两个层面(结果质量 + 过程质量) 调研 Agent 的评估,要同时看「交出来的东西」和「怎么做出来的」: 评估两个层面:结果质量(报告好不好)+ 过程质量(调研做得规不规范) 结果质量(评最终报…

只会 Java,怎么快速上手 Python 和大模型工程栈

匹配正文：…;faiss 快、chroma 简单、pgvector 复用 Postgres 笔记与实验 Jupyter 边写边看中间结果,调 prompt、看 embedding 时很顺手环境与包 uv / pip / venv uv 一个工具管虚拟环境 + 装包,速度最快可选编排 LangChain / LlamaIndex 现成的 RAG/Agent 抽象,但别过度依赖 (见下) 关于编排框架多说一句:LangChain、LlamaIndex 能省样板代码,但它们把控制流藏进了一…

#Agent#工具调用与安全#Agent Tool Registry

Agent 工具怎么设计和注册？Tool Schema、Registry 与执行器如何解耦

匹配正文：…oop 只依赖工具名和统一结果，不关心底层是 HTTP、RPC 还是本地函数。这种解耦还带来一个好处：可以在不修改 Agent Prompt 的前提下更换供应商、增加缓存、接入限流或补充审计。反过来，优化工具描述也不需要改业务执行代码。 Tool Registry 最少要保存哪些元数据一份注册记录可以包含下面这些字段。具体项目按需要裁剪，不是字段越多越专业。 ToolSpec( name="visit_page", version="v1", description="访…

项目实战·RAG

第 9 章:上下文问答与引用溯源

匹配正文：…段零依赖代码,看到"有依据就带出处答、没依据就拒答" ✓ 看懂上下文问答:LLM 是基于检索到的资料作答,而不是凭记忆 ✓ 学会 Prompt 怎么拼(仅依据资料 / 编号 / few-shot / 长度语气) ✓ 理解回答控制:拒答、防越权、多段融合 ✓ 掌握引用溯源两条路线(Prompt 内生成 vs 后处理归因)及取舍 ✓ 理解幻觉检测:答案每句话能不能在原文里找到支撑本章按三段式组织,不同基础的读者各取所需: 段落给谁看内容占比 🚀 Part 1 · 主线实…

#RAG#检索#项目实战

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：…处理(batching)、协程与队列文档解析与数据管道 ETL、消息队列、批处理、增量更新向量数据库选型与调优存储选型、索引优化(HNSW/IVF 换个名字的 B+ 树直觉) 缓存设计向量检索结果缓存、语义缓存、Prompt 命中复用推理延迟与成本优化性能调优、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 …

大模型技术栈全景:RAG / Agent / 微调 / 推理 / 评估各是什么、面试考多少、怎么学

匹配正文：…回答,解决"胡说、没有企业数据"的问题,应用岗第一主战场 RAG基础 62 RAG 基础题库 RAG 智能问答系统教程重排与检索优化 RAG 里"召回准不准"的关键环节,效果好坏经常卡在这重排与优化 70、向量检索 49 重排与优化题库重排章 Agent 智能体让模型能规划、调工具、多步完成任务,当前最热且和 RAG 衔接 Agent 154 Agent 题库 Deep Research Agent 教程 Prompt 与上下文怎么把任务、约束、上下文喂给模型,应用…

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：…开的、谁都能抄的,项目里的技术决策和数字是抄不走的,那才是你的证据。很多人把简历项目栏写成技能清单:"熟悉 RAG、Agent、Prompt 工程、向量数据库、LangChain"。这行字的问题不在于哪个词写错,而在于它没有任何一个可被追问的抓手——面试官无法从中判断你是搭过一个能跑的系统,还是看了两篇文章记住了这些词。真正立得住的写法,是把项目拆成下面三个维度,每一维都写到能被追着问下去的粒度。三维项目表达法:每个项目从三个维度写透(本篇核心) 一个大模型项目要"立得住…

要不要做微调 / Post-Train 项目,轻量版怎么做

匹配正文：…ain 深水区走一点:DPO/GRPO、对齐、训练数据设计,最好有一段相关实习或课题平台 / 推理工程岗低重点在服务化、推理优化,微调只需知道产物怎么部署,不必自己训读这张表的关键:如果你是奔着 RAG/Agent 应用开发去的,微调是选修不是必修;真正非做不可的是应用算法和研究生算法向。别看别人简历上有微调就焦虑,先看你们投的是不是同一类岗。何时该微调,何时该用 RAG 或 Prompt 结论先行:这是面试高频判断题,记住一句话——知识更新问题用 RAG,风格/格…

大模型岗位 JD 怎么读:招聘要求逐条拆解

匹配正文：…中间是它实际在考察什么,右边是对应怎么准备。 JD 原文实际在考察怎么准备「熟悉 LLM 应用开发链路」调过 API、懂 prompt、做过一个完整应用 AI 编程最小实现系列「熟悉大模型训练原理」应用岗只需懂大方向:预训练/SFT/RLHF 各解决什么,不用会训基础概念扫盲,会讲即可「有 RAG 系统实践经验」能讲清检索链路每个环节的选型与权衡 RAG 完整教程 + 题库 RAG 模块「有 Agent 落地经验」做过多步工具调用的东西,能说清编排与失败…

#Deep Research#数据构造与训练#Deep Research 工具选择

训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？

匹配正文：…面对“水的化学式是什么”，先调用 Search；面对简单乘法，也想搜网页；真正需要访问原文时，却停在搜索摘要。很多团队会先怀疑 Prompt 没写好，或者模型太小。但如果训练轨迹里大量任务都以 Search、Visit 开头，模型可能只是忠实模仿了高频动作。它没有学会判断“当前缺什么信息”，而是把“收到问题”与“先搜索”绑定在一起。相关首次训练记录里，就出现了简单问题仍偏 Search 的现象，材料同时指出 Search、Visit 轨迹偏多可能是原因之一。所以面试官…

#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：…t 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，哪些项目可以跳过某一层，又怎样防止多阶段训练变成无法归因的昂贵流水线？一次 SFT 为什么往往不够？ SFT 的训练信号来自已有示范。它擅…

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：…篇每个模块的第四行都是"项目里怎么体现"。行动清单选定主线方向后,去对应题库模块系统刷:RAG 基础、Agent、评估与监控、Prompt 工程、重排与优化、模型微调。面试临近、时间不够:用考前 30 题速刷过一遍最高频考点,别再铺开学新方向。想先看方向全景、题量分布和学习顺序:回技术栈全景(第 15 篇)。想知道每个考点怎么在项目里被追问、怎么答得住:配合项目深挖追问链(第 20 篇) 一起看。还分不清各方向名词是什么意思:先过大模型基础概念扫盲(第 …

#Deep Research#数据构造与训练#Deep Research GRPO

GRPO 为什么同一道题要采样一组答案，组内相对优势到底怎么算？

匹配正文：…同下可比。如果把不同难度、不同时间范围和不同工具预算的问题混在一组，reward 高低可能来自题目差异，不是策略差异。同一个 prompt 也不够。工具环境、来源时间、最大步骤、超时、可用工具和 reward 版本都要一致。某条轨迹因为网页暂时不可访问而低分，不能简单解释成策略更差。同组候选还应尽量独立采样。如果复制同一轨迹或随机性过低，reward 几乎一样，组内没有可用差异。因此组是一个实验单元：任务、环境和判定条件相同，只让策略采样路径发生变化。组内标准化到…

大模型系统设计和编码环节怎么准备

匹配正文：… 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、误报漏报权衡模型架构题库设计一个低成本的长文档摘要/问答长上下文 vs 分段检索、token 成本、缓存 RAG 系统怎么从零搭起准备策略:RAG 问答和 Agent 工作流是应用开发岗的绝对高频,必须能白板画出来还能扛住追问;高并发推理服务偏平台/推理…

#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：…少保存什么？任务层要保存 task ID、问题族、任务合同、复杂度与允许工具。运行层要保存 run ID、父运行 ID、模型、Prompt、模板、环境和预算版本。步骤层要保存 action、参数、observation、证据 ID、开始与结束状态，以及该步骤是否完整提交。终止层要保存 stop reason、触发位置、剩余预算、是否存在 final answer、是否可恢复和用户是否主动取消。质量层要分别记录格式、行动、证据、答案与环境结果。一个总分无法表达“过程合…

面试题·RAG

RAG 评测集怎么构建？问题、答案和证据必须怎么标？

匹配正文：很多 RAG 项目在优化时都会经历同一个阶段。换了 Chunk 参数，随手问几个问题，感觉回答顺了一点。加了 Rerank，再问几个熟悉的问题，正确原文似乎排得更靠前。于是大家得出结论：“这次优化有效。” 可是一周以后，另一类问题又答错了。团队想复现之前的结果，却发现当时问了什么、正确证据在哪里、改了哪些参数，都没有完整记录。没有固定评测集，RAG 优化的效果就很难复核，容易停留在演示层面。这就是面试里经常被追问的一道题： RAG 评测集应该怎么构建？为什么只准备问题和…

#RAG#评测与上线#RAG 评测集