公司未注明

Agent 开发面经

完整信息

18 条问法 · 18 道题

本篇目录
发一下问题给大家参考,攒攒人品! 1.你提到自己部署过Deepseek的模型,具体的部署脚本流程你了解吗,还是仅作为执行方? 2.你们有自己的GPU吗? 3.为什么要自己部署语言模型,API其实并不贵? 4.模型参数量对语言模型有什么影响? 5.若要使用大参数量模型,如何解决其自由发挥的问题? 6.在提示词方面你熟悉吗?通用情况下,如何通过提示词获得更高质量的回答? 7.我们岗位要做多样场景的AI工具机器人(如服务器运维巡检、网络巡检、市场分析等AI应用开发),你是否能接受? 8.你知道什么是向量数据库吗(结合AI+RAG场景)? 9.为什么需要用向量数据库?它解决了传统大模型的什么问题? 10.若要做企业知识问答机器人,利用企业内部的Word、PDF文档实现检索增强,你会如何完成这个需求? 11.文档存入向量数据库的中间流程是什么? 12.你提到的向量化是embedding吗?一般怎么做embedding,你有实践过吗? 13.如何判断RAG的召回质量是否符合期望?若不满足,可调整什么参数优化? 14.向量相似度度量有哪些计算公式(算法)余弦相似度 15.你有没有做过AIAgent(如工具调用相关),可以介绍一下吗 16.做意图识别时,如何确保LLM能根据用户输入准确识别要调用的工具?写prompt 17,若工具数量较多(如10-20个),每个工具都写描述和示例会让prompt过长,有没有其他解决办法 18.若20个工具可分为3-4类,如何设计两层工具调用提升意图识别准确率?
本篇目录
  1. 01
    你提到自己部署过Deepseek的模型,具体的部署脚本流程你了解吗,还是仅作为执行方?
  2. 02
  3. 03
  4. 04
  5. 05
  6. 06
  7. 07
    我们岗位要做多样场景的AI工具机器人(如服务器运维巡检、网络巡检、市场分析等AI应用开发),你是否能接受?
  8. 08
  9. 09
  10. 10
    若要做企业知识问答机器人,利用企业内部的Word、PDF文档实现检索增强,你会如何完成这个需求?
  11. 11
  12. 12
  13. 13
  14. 14
  15. 15
  16. 16
  17. 17
  18. 18