Agent 开发工程师一面面经

基础八股+Agent+项目 八股： 1. 进程、线程和协程有什么区别？分别适合什么场景？ 2. 普通 Python 程序可以利用多核吗？如果不行，怎么解决？      可以从 GIL、多进程、C 扩展、异步 IO 等角度回答。 3. temperature 和 top-p 分别控制大模型输出的什么属性？ Agent+项目： 1. 项目里使用的是哪个大模型？是本地部署还是调用 API？为什么选择这种方式？ 2. 为什么 embedding 模型没有选择自行训练？     重点可以从训练成本、算力资源、数据规模、业务收益和维护成本几个角度回答。 3. 意图识别模块为什么要做成两层？意图识别对整个 RAG 系统的准确性影响有多大？ 4. 为什么采用 BM25 + 向量检索的两路召回？BM25 和向量检索分别召回多少条进入 reranker？ 5. 如果两路召回的文档已经足够多，是否可以去掉 reranker？为什么排序结果会影响 LLM 的最终回答？ 6. 文档分块数量大概有多少？ 7. 一条完整问答链路中，文档会经过几次 LLM？ 可以结合查询改写、意图判断、最终生成、答案校验等环节来回答。 8. 医疗器械内部署 RAG，如果不能联网、也不能频繁更新，模型和系统部署怎么做？    可以围绕 Docker、离线镜像、本地模型、私有向量库、权限控制、日志脱敏和版本管      理展开。 10. 对 GraphRAG了解程度？ 11. 是否了解 Agentic RAG？      可以讲它相比普通 RAG，不是固定执行“检索-生成”流程，而是让 Agent 根据任务状      态决定是否检索、如何改写 query、是否调用工具、是否继续补充信息。 #发面经攒人品#