匹配正文：…己从头做完、能讲清楚评估和 badcase 的项目。他能复述 RAG 的每个概念,却没自己切过一次块、调过一次召回;他收藏了十个 Agent 框架,却没让任何一个在出错时兜住过。面试官问"你做过什么",他能讲的全是"我学过什么"。这就是第 1、3、6、9 个坑叠在一起的样子:输入极多、产出为零。判断自己是不是这种状态只需一个问题——你现在能不能拿出一个项目,从需求到实现到评估再到 badcase 复盘完整讲二十分钟,并接得住追问?答不上,说明再多的笔记和收藏都还没换成面试证…

#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：…为一手资料多是英文,等中文翻译会慢半拍。这属于借助工具就能覆盖的读的能力,不是雅思托福那种门槛。把常看的几个源(模型厂商文档、主流框架 README)读顺就够,不用专门为转行去考英语。只有传统后端经验,能投 AI 岗吗? 能,但要把后端经验翻译成大模型系统能力,不能只改简历标题。接口设计、异步任务、数据管线、稳定性、监控告警,这些在大模型应用里全都用得上,尤其是 RAG 和 Agent 系统对服务化和评估闭环的要求,恰好是纯算法背景的人的短板。所以后端转过来不是从零开始,而…

#求职

← 上一页第 8 / 8 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

#职业转型

面试题·Agent· vivo

动态障碍物怎么检测与规避？

匹配标题与标签：动态障碍物怎么检测与规避？服务机器人导航中感知、预测与路径规划策略详解 Agent vivo Agent 动态障碍物检测服务机器人导航路径规划策略障碍物规避 vivo

#vivo#Agent#动态障碍物检测

面试题·评估· 百度

Reflection 和 Memory 怎么协同?

匹配口述回答：这道题其实是在问，[[多智能体]]系统里，怎么让一堆[[Agent]]不只是机械地执行任务，而是能像人类团队一样，从错误中学习，并且把经验沉淀下来，避免重复踩坑。核心就是两个机制：反思和记忆。先说反思，说白了就是让Agent具备自我批判的能力。技术实现上，我比较熟悉的框架是 [[ReAct]] 结合 [[Reflexion]]，简单说就是Agent执行一个动作，观察结果，然后自己评估这个结果好不好，如果不好就生成改进建议，再重新试。有点像写代码，编译报错了，不是直接扔给下一…

#百度#Agent#Multi-Agent System

面试题·Prompt· 美团

LangGraph 多轮对话优势在哪?

匹配口述回答：…对话；一旦对话复杂起来，比如要做退款、投诉、转人工这种多分支，手动拼历史、硬编码if-else很快就崩了。而LangGraph这类框架，核心就是用图结构把状态持久化、节点解耦，让复杂逻辑变得可维护。具体说一下状态管理。手动方案里，你每轮都得自己把history塞进Prompt，多[[Agent]]协作时状态散得到处都是，一个函数改了另一个就得跟着改。LangGraph内置了StateGraph，状态按节点粒度持久化，还支持checkpointer，能实现对话中断后恢复，或者…

#美团#Agent#LangGraph 多轮对话

面试题·RAG· 华为

逻辑引导怎么用？

匹配正文：…：结构化CoT Prompt prompt = """请按以下步骤回答： [分析] 提取题目关键条件 [建模] 建立数学关系或逻辑框架 [计算] 逐步执行运算，展示中间结果 [验证] 检查结果合理性 [结论] 给出最终答案题目：{question}""" 方式二：ReAct框架（Agent场景） Thought: 我需要先查询用户账户余额 Action: query_balance(user_id="123") Observation: 余额5000元 Thought: 余…

#华为#逻辑推理引导#逻辑引导

面试题·项目与经历· 美团

面试反问环节怎么准备?

匹配口述回答：…。所以我会从三个维度来聊：技术方向、团队协作、个人成长。先说技术方向，这也是我最关心的。我看到书面答案里提到[[RAG]]和[[Agent]]的结合，这个点我特别感兴趣。具体来说，在外卖或到店这类多轮对话场景里，用户可能先问“附近有什么火锅店”，再追问“有没有双人套餐”，这里就需要RAG能结合对话历史做上下文检索，同时Agent能根据当前状态调用不同的工具或API。我觉得真正落地的难点在于怎么把[[ReAct]]框架和检索结果融合，让模型既能依赖知识库的事实，又能自主规划下…

#面试技巧#职业规划#团队文化

面试题·模型微调· 美团

RAG 深度与局限怎么破?

匹配口述回答：…略了一个前提，数据质量。如果文档本身就有矛盾或者格式混乱，检索质量根本救不回来。所以上线前我一定会花时间做数据清洗和标注，不然检索框架再强也是白搭。另外，RAG不是孤立的。高频稳定的知识适合用[[SFT]]内化到模型参数里，而动态海量的知识才外挂成RAG。真正落地常常是RAG加微调一起上。比如外卖场景，菜品知识更新快用RAG，但下单对话策略这类高频稳定的逻辑就用微调固化。复杂售后链路再交给[[Agent]]来调度。说到Agent，我觉得下一步有意思的方向是把RAG当成Ag…

#美团#RAG 局限性#RAG 优化方向

面试题·Prompt· 小红书

提示工程有哪些核心方法?

匹配口述回答：…我更倾向把提示工程看成快速验证和轻量迭代的工具，它零训练成本，适合快速试错。但真要上线高并发、高稳定的系统，我会优先考虑SFT或者Agent框架，把提示词固化到模型里，减少运行时的不确定性。本质是问怎么跟大模型有效沟通基础技巧：Zero-shot/Few-shot和角色设定推理增强：CoT和ToT的适用边界 Agent模式：ReAct和Function Calling落地选型取舍与风险约4分钟 Self-Consistency 和多路径集成在CoT基础上进一步提升可…

#小红书#提示工程方法#Prompt 技术

面试题·检索· 小红书

RAG 局限性怎么破?

匹配口述回答：…么情况下该调用什么。所以我的总结是：RAG是个好工具，但不是 silver bullet。我更倾向把它看成知识外挂，需要和微调、Agent配合使用。上线前我会特别关注检索的召回率和生成的事实一致性，用 [[RAGAS]] 这类框架做评估，不达标的场景宁可降级也不让模型瞎答。一句话定位：RAG的本质是低成本知识外挂检索质量的坑与混合检索改进生成阶段的割裂与Self-RAG方案边界划分：RAG vs 微调 vs Agent 落地风险与工程师取舍约4分钟复杂多跳推理场…

#小红书#RAG局限性#RAG 局限性

面试题·评估· 淘天

RAG 怎么减少幻觉?

匹配口述回答：…则，再检索2022年规则，然后对比。这时候我会考虑[[Agentic RAG]]，让模型自主决定检索步骤，或者用[[ReAct]]框架把推理和检索交替进行。所以整体上，我会把RAG看成一种低成本、可迭代的知识注入方式，适合知识频繁更新或需要高可信度的场景。但它的天花板在于检索质量，如果知识库本身混乱或检索策略粗糙，效果反而比纯模型更差。我更倾向先用混合检索加Rerank打好基础，再根据业务需求决定是否引入[[Agent]]或微调。一句话定位：RAG本质是给LLM开卷考减…

#淘天#事实准确性#RAG 减少幻觉