AgentGuide

Appearance

📚进度:0/670%

一、秋招核心考察点 ​

秋招更注重综合能力，相比实习，“抽奖”机会减少。以下是核心考察点：

  1. 优先级：
    • 一作论文：对研究岗尤为重要，证明学术能力。
    • 垂直领域实习：与目标岗位相关的实习经历最有说服力。
    • 项目经历：次要但需体现技术深度和业务理解。
  2. 工程能力是重点：
    • 除顶尖算法大佬（如ACM金牌）、顶会作者外，秋招更看重工程实践能力，而非纯算法竞赛水平。
    • 建议围绕热门方向（如大模型训练、RAG、Agent等）准备，展现对业务场景的理解和落地能力。

二、项目经历准备 ​

项目经历是简历和面试的核心，需根据是否有实习经历分别准备：

1. 无实习经历 ​

  • 简历内容：
    • 聚焦实验室横向项目，优先包含RAG（Retrieval-Augmented Generation）或Training相关项目（如LoRA、SFT、RLHF）。
    • 项目覆盖热门方向：智能客服、文档解析、代码生成等，体现特定领域数据结构处理能力。
    • 建议：确保项目经历全面，突出Training经验，增加“抽奖”机会（被选中面试）。
  • 注意事项：
    • 避免泛泛而谈，项目需体现技术深度，如数据合成处理、模型微调的具体实现。
    • 项目应尽量贴合目标岗位的业务场景。

2. 有实习经历（业务岗） ​

  • 简历内容：
    • 项目和实习经历应与热门方向相关。
    • 避免重复：如果实习和项目都涉及RAG，只写其一，突出最具代表性的经历。
    • 专有领域数据处理：避免写烂大街的开源数据集（如GSM8K），而是突出对特定业务数据的处理经验，体现业务理解。
  • 论文处理：
    • 论文仅在简历“学校”一栏单列一行（如“在投”），避免占用过多空间。
    • 业务算法岗更看重工程能力，研究经历描述应精简。
  • 总结：
    • 项目和实习经历需覆盖面广（如Post-training、Agent）。
  • 突出热门方向（如RL、Agent Memory等）。
  • 强调专有领域数据处理和Training经验。
  • 保持简历一页，精简重复内容，突出核心亮点。

3. 推荐的开源项目工具 ​

以下开源项目在业务岗中应用广泛，可根据目标公司选择性使用：

基础框架与平台 ​

  • 大模型框架：Transformers、vLLM、TGI、LMDeploy、SGLang
  • 训练框架：DeepSpeed、FairScale、Megatron-LM、ColossalAI
  • 推理优化：TensorRT-LLM、OpenVINO、ONNX Runtime、BitsAndBytes

模型微调与训练 ​

  • 微调工具：Llama-Factory、Swift、Axolotl、Unsloth、PEFT
  • 数据处理：DataTrove、FineWeb、RedPajama、Dolma
  • 评估框架：OpenCompass、LM-Eval-Harness、HELM、BigBench

RAG相关技术 ​

  • RAG框架：LangChain、LlamaIndex、Haystack、RAGFlow、Dify
  • 向量数据库：Milvus、Weaviate、Pinecone、Chroma、Qdrant、FAISS
  • Embedding模型：BGE、E5、Sentence-Transformers、Instructor
  • 文档解析：MinerU、Unstructured、LlamaParse、PyPDF2、Docling

Agent相关技术 ​

  • Agent框架：AutoGPT、LangGraph、CrewAI、MetaGPT、AutoGen、Swarm
  • 工具调用：ToolBench、Gorilla、ToolLLM、ReAct、Function Calling
  • 记忆模块：Mem0、MemGPT、LangChain Memory、Zep
  • GUI Agent：AppAgent、SeeAct、WebShop、Mind2Web

多模态技术 ​

  • 视觉理解：CLIP、BLIP、LLaVA、Qwen-VL、InternVL、MiniGPT-4
  • 图像生成：Stable Diffusion、DALL-E、Midjourney API、ComfyUI
  • 视频理解：VideoChatGPT、Video-LLaVA、LLaMA-VID、VideoChat
  • OCR技术：PaddleOCR、EasyOCR、TrOCR、GOT-OCR、Rapid_OCR

部署与监控 ​

  • 模型服务：FastAPI、Flask、Gradio、Streamlit、BentoML
  • 容器化：Docker、Kubernetes、Helm Charts
  • 监控工具：MLflow、Weights & Biases、TensorBoard、Neptune
  • API管理：OpenAI API、Anthropic API、Together API、Replicate

数据处理与存储 ​

  • 数据库：PostgreSQL、Redis、MongoDB、ElasticSearch
  • 数据处理：Pandas、Polars、Dask、Apache Spark
  • 特征工程：Scikit-learn、Feature-engine、Category Encoders

三、热门方向准备 ​

为应对秋招，以下5个方向需重点关注：

  1. 多模态方向：

    • 结合图像、文本等多模态数据处理技术
    • 关注多模态理解、生成、推理等核心技术

  2. RAG方向：

    • 多模态RAG、GraphRAG、AI搜索等
    • 检索增强生成技术的各种变体和优化

  3. Reasoning方向：

    • Deep Research RL（工具调用）、Long COT Reasoning（如M2-Reasoning）
    • 注意：Reasoning方向实习需求多，但秋招可能因落地难度较大，邀面机会较少，需谨慎选择

  1. Agent方向：

    • Agent Memory：如Mem0（注意复现问题，谨慎使用）
    • Agent RL：强化学习在智能体中的应用
    • 关注DeepResearch相关技术（如MiroMind Agent、CognitiveKernel-Pro、WebShaper、Owl、AgentOrchestra）
    • 评估Benchmark：GAIA、Human Last Exam
    • GUI Agent：参考GUI TARs等论文

  2. 上下文工程方向：

    • 长上下文处理、上下文压缩、上下文优化等技术
    • 提示工程、上下文学习等相关技术

建议：优先选择RAG方向和Agent方向，因岗位需求多且较易落地。

四、LeetCode与算法准备 ​

  1. 笔试：
    • 难度因公司而异（如美团难、PDD和小红书较简单），需靠运气和扎实准备。
    • 建议刷LeetCode Hot 100 + Interview 150，覆盖常见题型，足以应对大部分笔试。
  2. 面试手撕代码：
    • 业务岗通常要求掌握Hot 100，追求高目标（如SSP offer）需更深入准备。
    • 高质量刷题建议：
      • 看评论区：通过后研究大佬解法，学习优雅代码和数学证明。
      • 不死磕：10-15分钟无思路即查缺补漏，快速提升知识点。
      • 看讲解视频：推荐B站“灵茶山艾府”，通过典型例题巩固专题知识。

五、八股文准备 ​

八股文（技术面常见问题）是面试重点，需根据实习经历差异化准备：

  1. 有实习经历：
    • 重点描述实习项目故事，结构化回答：
      • 问题点：项目中遇到的挑战。
      • 你的贡献：具体优化措施。
      • 优化成果：指标从XX提升到XX。
    • 避免废话，突出技术深度和业务价值。
  2. 无实习经历：
    • 聚焦Training相关八股，如SFT、RLHF经验，回答中突出：
      • 参数设置的理由和优化动机。
      • 实战经验（如通信优化、训练稳定性）。
    • 通过八股展现工程能力和技术理解，弥补实习经历不足。

六、其他建议 ​

  1. 论文：
    • 写一篇论文并投稿（如OpenReview），门槛较低且可记录在简历（标“在投”）。
    • 非研究岗无需过多描述论文，简历空间留给项目和实习。
  2. 简历优化：
    • 一页原则：删除重复或次要经历，突出核心亮点。
    • 结构清晰，分模块展示教育背景、实习经历、项目经历、技术技能。
  3. 时间规划：
    • 提前准备（1-2个月刷题，3-4个月积累项目）。
    • 持续关注热门方向（如R1蒸馏、Agent），确保简历与时俱进。

七、总结 ​

  • 核心目标：展现工程能力和业务理解，通过项目和实习经历体现对热门方向（如RAG、Agent）的掌握。
  • 重点准备：
    • 项目：覆盖RAG、Training，突出专有领域数据处理。
    • 算法：刷Hot 100+Interview 150，注重高质量刷题。
    • 八股：有实习讲项目故事，无实习突出Training经验。
  • 心态：秋招竞争激烈，保持积极心态，多投简历，机会总会来。

祝大家秋招顺利，拿到心仪offer！

🔥 系列预告：大模型细分方向深度解析 ​

新开系列：《大模型XX到底值不值得做？怎么做？》

🗓️ 系列规划： ​

  1. AI Infra方向 - 大模型基础设施，赛道深度剖析
  2. 多模态方向 - 视觉+语言融合，未来趋势抢先布局
  3. RAG方向 - 检索增强生成，落地性最强的技术方向
  4. Agent方向 - 智能体技术，最具想象空间的创新领域
  5. Reasoning方向 - 推理能力突破，AGI路径核心技术
  6. 上下文工程 - 长文本处理，大模型应用关键技术

  • 📢 关注作者，第一时间获取系列更新！

  • #互联网大厂 #大模型 #算法 #秋招 #校招 #RAG #Agent #多模态 #AI基础设施

Released under the MIT License.

Copyright © 2026-present AgentGuide Contributors