京东Agent实习二面问题总结

正文

二面没过 意料之中（只面了30多分钟，并且没有算法题）

#京东 #京东面试 #面经 #实习 #大厂 #ai #agent面经 #二面 #校招 #实习面经

#京东 #京东面试 #面经 #实习 #大厂 #ai #agent面经 #二面 #校招 #实习面经 #作者

长图内容（视觉重读）

二面问题总结（图 p02 → p03 → p01）

1、什么是 RAG，和直接让大模型回答有什么区别？

• RAG 的核心思想是在模型生成答案之前，先去外部知识库检索相关内容，再把检索结果连同用户问题一起交给模型生成答案。
• 和直接让大模型回答相比，RAG 的优势主要在三个方面：第一，知识更新更灵活，不需要每次更新知识都重新训练模型；第二，可以接入企业私有知识，解决大模型参数里没有这部分内容的问题；第三，可以减少模型幻觉，让回答尽量基于检索结果而不是纯凭参数记忆生成。
• 一个标准 RAG 流程一般包括文档清洗、切分、向量化、建索引、召回、重排和生成。真正影响效果的关键点不只是"检索到了"，而是切分是否合理、召回是否准确、重排是否有效、Prompt 是否限制模型必须参考检索结果。

2、Agent 和普通工作流有什么区别？

• 普通工作流通常是固定流程，节点和调用顺序提前写死，输入到输出的路径比较明确。Agent 则更强调自主决策能力，模型会根据当前任务、上下文和工具结果来决定下一步做什么。
• 比如一个固定工作流可能写成：收到用户输入后先 OCR，再分类，再抽取，再返回结果。而 Agent 会先判断用户是否真的要走附件解析流程，还是只想查询报销制度；如果材料缺失，还可能选择先询问补充信息，而不是继续往下执行。
• 简单说，工作流更偏确定性执行，Agent 更偏基于上下文的动态决策。实际工程里两者通常结合使用：主流程用工作流保证稳定，局部决策交给 Agent 提升灵活性。

岗位 JD（图 p07，BOSS 直聘截图）

• AI Agent 研发实习生，400-500 元/天，北京·大兴区·亦庄，4 天/周、3 个月，本科；招聘人：于建明（京东科技集团 · 研发总监）
• 技能标签：Java、音视频经验、Docker、MySQL、Redis、搜索/推荐/广告经验、Python
• 团队介绍：负责京东金融 APP 用户增长，聚焦京东生态内场、外场 C 端新用户获客（广告投放、营销、大促活动等）；大模型应用上探索 AI+内容、AI+营销、AI+视频等业务场景
• 岗位职责：1、构建 AI 时代下新的业务交付形式，驱动服务于效率提升，需要具备工程开发、大模型应用开发，结合业务场景设计并推进系统迭代升级；2、进行 AI 平台产品研发，搭建 Agent 智能体管…（截图在此截断）

图 p04 / p06 / p08 / p09：表情包与无关图片（蹲、梗图、中国尊夜景），无面经内容

图片

评论摘录

• 不争：大佬，请问agent的学习路线是啥
• 钱多多（作者）：我是先看的基础知识，然后看的agent原理，现在在搞agent相关的项目，边弄边学
• Passion：可以推下boss链接吗佬
• 1llusion_（三见陶喆版）：想请问一下二面没过是因为Agent相关八股的原因吗？
• 钱多多（作者）：不知道呀
• 玛卡巴卡想睡觉：哪里的base呀佬
• 钱多多（作者）：北京的
• Fairy Tail：什么专业呀
• 钱多多（作者）：计算机专业
• 谁抢了我的offer：可能被横向了吧

我的批注

• 是否对标上海实习主线（Agent 应用/全栈）
• 可迁移到简历/项目的点：
• 待补学：