成都某中厂agent产品开发实习面经
《面试题目》
- 面了30min，面试官人很好，几乎都是围绕简历上的项目在问，不像是拷问，更像是在交流技术。我不会的地方直接说不了解，他也说没关系，回答不准确的地方也会去引导我，同时给我了一些项目上的优化建议以及agent开发的学习建议，受益匪浅~~
- （根据项目里面的prompt设计展开）你认为 prompt engineering，context engineering，harness， loop engineering，这四个有什么区别吗？
- （第一个问题没回答好，在引导我回答）为什么 Context engineering 解决了原来单一 prompt 解决不了的问题？
- 你认为 Harness 是解决什么问题呢？
- （问项目里的 langchain 的工具调用）你能不能讲讲 function calling 或者是 tool calling 的整体的流程？
- agent 是如何完成一次工具调用的？
- （问RAG项目）你能简单讲一讲 BM 25 查询 跟 向量检索 的一些区别吗？
- （继续问RAG项目）你在构建这个 rag 系统时，你认为最核心的点是什么？
- 做的过程中，哪个部分最重要？
- （根据回答内容引出）数据处理这块，你有没有什么想法？
- 你是怎么chunk切分的？
- RAG项目里面的 PDF 的文本有多少？
- 大概有多少个量级？
- 如果单纯只是这种切分的话，有没有可能说会丢掉一些关联性啊？
- 你有没有去了解过graphRAG这块的内容？
- 你自己做RAG系统有没有去做一个数据集去验证？
- （问项目里的lora微调）能不能简单给我介绍一下 Lora 微调是做什么的呀？
- 你是怎么做这个微调的？
- 一般来说，你觉得先去修改 prompt ，还是说你上来就用微调？
- 什么情况下会用到这种微调？
- 你大概有自己的一个想法吗？
- （问问题本身也在引导我回答）
- （问lora微调的数据集，因为数据质量好，微调效果也不会很好）你们这个比赛的数据集是哪里找的？
- 除了这个 RAG 项目，有没有再做过一些什么其他的agent？
- 或者说你用过什么其他的 agent 吗？
- 你理解它相关的一些原理吗？
- （上一个回答里提到了低代码的工作流搭建平台）你理解的Dify ，coze 这种工作流，跟Codex ，Claude Code，他们有什么区别吗？
- 你有没有用过 Claude Code？
- 你开发过程中有没有用过一些什么 Skill ？
- 你理解的 skill 是是什么？
- 它的原理是什么？
- Skills 它对于 Claude Code，更大的作用是什么呢？
《参考解析》
- AI产品与 Agent 项目：回答这类问题要先讲清目标用户和业务场景，再说明模型、数据、工作流、评测指标和上线后的真实使用效果。面试官通常更看重你能否把 AI 能力转成可落地的产品闭环，而不是只罗列模型名。
- 模型微调：微调适合在任务边界稳定、数据质量可控、单靠提示词难以稳定提升时使用。回答时要说明训练数据来源、标注口径、验证集设计、准确率指标含义，以及上线后如何监控幻觉和退化。
- RAG 系统：RAG 的核心是召回质量、切分策略、排序和答案可追溯。BM25 擅长关键词精确匹配，向量检索更适合语义相近的问题，工程上常用混合检索加重排来提升稳定性。
- 项目深挖：项目深挖的核心是讲清背景、目标、你的职责、关键决策、难点和结果。遇到追问时优先用数据、取舍理由和复盘说明自己的判断，而不是只描述流程。