Study 是我的学习博客分区

科大讯飞AI研发工程师三面，教育BG，飞Young计划复试。整体偏综合面，围绕 Agent 比赛项目、AI Coding、Skill、Harness 工程和学习方向展开。

以 AI2 的 Olmo 3 为案例，把预训练、中训练、长上下文扩展、后训练、评估、发布和数据闭环串成一条真实的开源模型流水线。

同花顺金融中心算法工程师一面。岗位名是算法实习生，但核心业务偏金融场景 Agent、用户画像、主动投资助手，以及部分 SFT/RL 训练。

字节跳动seed一面第二部分，围绕课后作业继续追问：大模型训练管线、Tokenizer、SFT/DPO、Transformer、幻觉，以及轻量 Graph RAG 实现。

从训练数据安全角度梳理隐私、版权、数据投毒、测试集污染、PII 脱敏和企业数据治理这些核心问题。

把预训练、中训练、后训练、SFT、DPO、RLHF/PPO、GRPO、Agentic RL、评估体系和数据飞轮串成一张学习地图。

用一条生命周期主线理解大模型如何从 base model 变成可上线的 assistant model：预训练、中训练、后训练、评估和数据飞轮。

从 base model 到 assistant model，梳理后训练要解决的问题，以及 SFT、RLHF/PPO、DPO、GRPO、安全对齐和工具训练之间的关系。

用 prompt、chosen、rejected、reference model 和 beta 这几个核心概念理解 DPO 为什么能绕过显式奖励模型，直接优化人类偏好。

从离线 benchmark、领域评估、RAG/Agent 评估、安全评估到线上 A/B，搭建一套更接近真实业务的大模型评估体系。

梳理大模型上线后的数据闭环：日志采集、badcase 挖掘、清洗脱敏、标注、训练、评估和灰度上线。

按照语料准备、tokenizer 训练、文本编码、embedding、Transformer、Language Modeling Head、next token loss 和反向传播的顺序，拆开看 GPT 类大模型预训练流程。

解释中训练为什么介于预训练和后训练之间，以及它如何用于代码、数学、长上下文、多语言和垂直领域能力增强。

字节跳动seed二面，AI研发实习生-AI数据与安全方向。现场手撕跳跃游戏II，随后围绕 LangChain/LangGraph、Agent 上下文压缩、校验机制和多模态 RAG 项目展开。

字节跳动seed一面，AI研发实习生-AI数据与安全方向。围绕后训练、Agent范式、多模态RAG、评测集和课后作业展开。

从工具调用轨迹、环境反馈、任务成功率和奖励设计出发，理解 Agentic RL 如何训练模型完成多步任务。

解释 GRPO 为什么可以不训练 critic/value model，以及它如何用同一 prompt 下多条回答的组内相对奖励优化模型。

梳理 RLHF 的三阶段流程：SFT、Reward Model 和 PPO，并解释为什么 KL 约束对大模型对齐训练很重要。

从数据格式、训练目标、能学到什么和局限出发，理解 SFT 为什么是后训练的第一步，但不是对齐训练的终点。

科大讯飞AI研发工程师二面，教育BG，飞Young计划复试。围绕多模态RAG Agent、上下文管理、模型微调、工程化和行业趋势展开。

用面试题的方式复盘数据库基础：范式、约束、事务、隔离级别、MVCC、锁、日志、索引、慢查询、主从复制和分库分表。

掌握最常用的数据读取方式：选择列、过滤行、排序结果和限制返回数量。

理解为什么数据要拆成多张表，以及如何用 INNER JOIN、LEFT JOIN 把关系重新查询出来。

当查询开始变复杂，用子查询、CTE 和窗口函数把问题拆开，让 SQL 更可读、更适合迭代。

从明细查询进入统计查询，理解 COUNT、SUM、AVG、GROUP BY 和 HAVING 的使用方式。

从数据库最基本的对象开始：表、行、列、字段类型、主键、外键和 NULL，先把结构化数据的心智搭起来。

查询是读数据，写入会改变数据。这一篇整理 INSERT、UPDATE、DELETE、事务、ACID 和约束的基础直觉。

不追求一次学完数据库优化，先理解索引为什么能加速、为什么不是越多越好，以及执行计划能告诉我们什么。

先把 SELECT、过滤、聚合、JOIN、子查询、事务和索引这些基础打通，再看它们在 RAG、Text2SQL 和 Agent 工具调用里的位置。

回到最初的学习动机：SQL 为什么会出现在 AI 应用里，以及开发者需要怎样给模型提供 schema、权限和执行边界。

科大讯飞AI研发工程师一面，教育BG。面试官风格偏架构设计，追问工程基础、设计模式、团队协作。

追一条 HTTP 请求在 Python Web 栈里的完整旅行：socket → HTTP 解析 → ASGI 三要素 (scope/receive/send) → Starlette 路由匹配 → 装饰器 handler → 响应返回。FastAPI 那条 `@app.post` 装饰器到底做了什么，这篇文章讲清楚。

从写 docker run 到写 compose.yaml，用你项目中真实的 Milvus + etcd + MinIO + Redis 编排案例，讲清楚多服务依赖、健康检查、数据卷持久化和启动顺序控制。

在写任何 Web 框架之前，先理解 HTTP 本身：请求-响应模型、报文结构、方法语义、状态码分类和常见 Header。这是 Python Web 和 Java Web 共同的地基。

把你的 FastAPI 应用从本地开发变成生产可用的服务：systemd 管理进程生命周期、Uvicorn 跑 ASGI、Caddy 做反向代理和 HTTPS。用你项目里真实跑的部署拓扑讲清楚每一层的职责。

为什么 Python Web 生态要从 WSGI 走向 ASGI？同步模型的瓶颈在哪里，async/await 解决了什么，以及这跟 Java Servlet 3.1 异步化有什么相似之处。

阿里AI研发工程师一面，阿里巴巴控股集团-平台技术-研发基础设施。

从概念到实操的完整主线，先把镜像与容器的关系理顺，再走到 Dockerfile 与 Compose。

先把“镜像 -> 容器 -> 数据卷 -> 网络 -> Dockerfile -> Compose”的主线打通，再补细节命令。

这组笔记从 LangGraph 入门开始，沿着 StateGraph、持久化、durable execution、流式与 interrupts 走主线，再补上 time-travel、memory、subgraphs 与典型 agent 模式。

把「微调模型」这组笔记重排成一条更适合连续学习的路线：先理解微调与量化，再进入数据集、LoRA、LLaMA-Factory 和一次完整的多模态微调复盘。

从一个最小聊天图开始，把 StateGraph、节点、边、ToolNode、记忆与 time-travel 的直觉先搭起来。

被专家说了为了长远发展，自己的设计模式和操作系统部分需要提升，虽然我也不是软工的，但是设计模式应该是以后指挥AI学习的很重要的部分。

从最基础的问题开始：什么场景下需要微调，微调的一般流程是什么，以及全参数微调、冻结微调、PEFT 分别在解决什么问题。

OpenClaw的前世今生。

2026 年 3 月底，Claude Code 在一次 npm 发布中因打包配置错误，将一个 约 57MB 的 cli.js.map 文件意外公开，包含 1906 个 TypeScript/TSX 核心文件、总计 51.2 万行源码。这些内容涉及 Agent 循环引擎、工具系统、记忆与上下文压缩、安全机制等核心实现，以及部分未发布功能（如 AI 宠物、反蒸馏、多 Agent 协作等）。

把 LangGraph 的持久化层拆开看：thread、checkpoint、state history、replay、update_state 和 Store 分别解决什么问题。

MCP与A2A协议的横向与纵向沟通机制对比分析

把 Python Web 的核心知识重新排成一条主线：协议层 → 框架层 → 工程化 → 部署，FastAPI 作为框架层的主线贯穿，但每一站背后是 Web 通用原理。

Redis作为高效的NoSQL数据库，在LLM模型也很有用处，现在学习它的原理。

把原笔记里和量化相关的部分单独抽出来：先讲目的，再讲原理、分类和常用方法，最后把它和 QLoRA 重新连回到微调主线里。

从第一个 FastAPI 应用开始，把 app 实例、fastapi dev、pyproject entrypoint、uvicorn 以及 async 并发直觉一次串起来。

理解 LangGraph 为什么强调 durable execution，以及为什么把副作用包进 task 会比直接写在 node 里更稳。

把当前这组强化学习笔记收成一条更适合系统学习的路径，从 MDP、DQN、策略梯度一路走到 RLHF、DPO 与 RLVR。

先把数据组织方式搞清楚：Alpaca 和 ShareGPT 有什么差别，多模态样本通常怎么写，以及 LLaMA-Factory 的 dataset_info 如何接入自己的数据。

把 URL 上最常见的两类输入拆开：路径参数负责定位资源，查询参数负责表达筛选和附加条件。

把 LangGraph 的流式输出拆成 values、updates、messages、custom 等几种事件，看清 v2 StreamPart 到底统一了什么。

把三套不同来源的 PyTorch 笔记和代码重新整理成一条循序渐进的学习路线，先建立训练心智，再进入 CNN、RNN 和手写 Transformer。

从对齐鸿沟切入，先建立强化学习的基本术语、MRP / MDP 与 Bellman 视角。

当输入不再只是 URL 参数，而是一整个 JSON 请求体时，FastAPI 如何借助 Pydantic 做解析、校验、嵌套和文档生成。

把 interrupt 放回真实工作流里看：单中断、多中断、审批流、审核编辑和恢复执行到底分别意味着什么。

先回答 LoRA 为什么可行，再把 QLoRA 和 Qwen2.5-VL 放到同一条理解线上，最后落到几个真正会影响训练结果的超参数上。

从最简单的线性回归开始，把 PyTorch 训练模型的四步走清楚：数据、模型、损失函数和优化器。

当环境模型未知时，强化学习如何从动态规划走向 Monte Carlo、TD、SARSA 与 Q-learning。

把第一次真正落地的多模态微调实验完整记下来：任务是什么，数据怎么标，参数怎么设，训练结果怎么看，以及为什么它只算“有进展但还远不够好”。

把 Query、Path、Body、Cookie、Header 统一进一个心智模型：参数从哪里来，以及怎样利用 Annotated 和 Pydantic 做精细校验。

用检查点做时间旅行：重放历史、从旧状态分叉新路径，以及如何清理越来越多的 checkpoint。

真正把 PyTorch 和 NumPy 区分开的，是 Tensor 和自动微分。把形状操作、requires_grad 和动态计算图一次理顺。

把当前 1 到 13 篇 RAG 笔记重排成一条更适合学习的路径：先搭基础管线，再进入检索优化、查询优化与评估。

把表格型 Q 学习推进到深度网络近似，并串起 DQN、DDQN、PER 等常见改进。

第一次训练没有达到预期后，真正重要的不是继续堆轮数，而是重构数据、重新定义任务边界，再判断哪些能力应该交给模型，哪些应该交给 agent。

从 response_model 开始，把输出约束、状态码、路径操作配置、jsonable_encoder、PUT/PATCH 更新语义一起收进一层。

把原本偏“查询式”的官方文档重排成一条更适合系统学习的路径，先建立基础心智，再回到 Agents 与 Middleware。

短期记忆通过 checkpoint 让图“记住”，长期记忆通过 Store 跨线程保存用户信息与语义检索。

从逻辑回归、二分类、多分类一路串到 Dataset、DataLoader 和小作业，把真正训练一个分类模型需要的元素放到一条线上。

先建立 RAG 的最小心智：它解决什么问题、相对微调的边界在哪里，以及 Naive / Advanced / Modular RAG 如何演进。

从 value-based 转向 policy-based，理解策略梯度定理、baseline 与 REINFORCE 的核心直觉。

从 JSON 切到 multipart/form-data，把 Form、File、UploadFile、表单模型和多文件上传一并收进请求编码这一层。

在正式进入 LangChain 之前，先建立最小调用心智：同步、异步、流式和常见参数到底是什么。

子图如何作为节点复用、如何共享 state、如何流式查看子图执行与持久化模式选择。

把容易散落在不同笔记里的 PyTorch 常用工具收成一篇：nn.Module、nn.functional、optim、初始化与常见工程辅助接口。

从文档加载器开始，理解非结构化数据如何被抽取成可切分、可嵌入、可检索的标准化语料。

把优势函数、GAE、A2C/A3C、TRPO 与 PPO 放回一条 Actor-Critic 主线里理解。

从 Depends 开始，把共享逻辑、yield 资源清理、HTTPException、自定义异常处理和 OAuth2PasswordBearer 串成一层。

先跑通一个最小 LangChain Agent，再回头看它的设计哲学、生态关系和为什么它不是简单的模型调用封装。

先画流程，再拆成节点、定义 state、补齐错误处理，最后再落到可运行的图。

从卷积和池化的基础直觉开始，先理解 LeNet，再顺着 GoogLeNet、ResNet 和 DenseNet 看卷积网络的发展脉络。

理解分块在 RAG 中的地位，以及固定大小、递归分块、语义分块和结构化分块各自适合什么场景。

当单文件应用开始变大，把 APIRouter、include_router、多文件结构和 lifespan 放到同一条工程化路径里看。

先把模型对象本身看明白：如何初始化、调用、流式输出，以及模型层负责什么、不负责什么。

Prompt Chaining、Parallelization、Routing、Orchestrator-worker 与 Evaluator-optimizer 的结构化落地。

从 RLHF 基础流程出发，串起奖励模型、PPO 在 LLM 中的应用，以及 Constitutional AI 等分支。

从为什么需要序列模型讲起，把 one-hot、embedding、RNN、LSTM 和一个名字-国家分类任务串起来。

从向量嵌入讲到相似度度量与向量数据库，把 RAG 检索层最关键的基础概念连成一条线。

把路由之外那层请求包裹逻辑收起来：中间件、CORS 配置，以及请求结束后再执行的后台任务。

把这份模板复制后改成你的 Hot 100 题解文章。

理清 LangChain 里最核心的数据单位：不同消息类型、内容块、多模态输入，以及它们为什么是模型上下文的基础。

把 Milvus 里最常用的对象和流程串起来：部署、schema、collection、index、load 与 search。

从 PPO 的最优解视角回看偏好优化，理解 DPO 为什么能绕过显式奖励模型与强化学习流程。

不直接调用 nn.Transformer，而是手写位置编码、多头注意力、Encoder / Decoder，并用一个反转序列的 toy task 跑通训练与解码。

从 Tülu 3 出发理解 RLVR，看看当奖励可以被规则直接验证时，强化学习会如何变化。

把测试、调试、fastapi CLI、uvicorn、手动运行和 workers 收到一起，形成一条更完整的“本地开发到部署”的路径。

从静态工具到运行时上下文，让模型开始真正“做事”；这一篇也是理解 Agent 为什么不只是一个普通聊天模型的关键。

用一个多模态例子把编码、建库、建索引、检索和可视化串成完整闭环，更接近真正落地的 RAG 实践。

把对话线程里的状态和历史真正留住，并学会在上下文有限时修剪、删除、总结消息。

把前面的 RAG 基础真正串起来，做一个最小可运行的 Naive-RAG demo：文档切分、向量入库、本地 QA、FastAPI 服务与 Docker 化。

回看 Anthropic 早期 RLHF 代表作，把 Helpful / Harmless 助手训练流程和数据路径梳理一遍。

当模型和 Agent 真正跑起来时，如何把 tokens、工具执行进度和自定义状态实时流出来。

从 LlamaIndex 提炼出两个很有价值的思路：检索粒度和生成粒度不必相同，以及知识库变大后要学会先过滤、再检索。

总结汇总一下递归技巧。

总结汇总一下动态规划技巧。

总结汇总一下双指针技巧。

总结汇总一下搜索与遍历题型。

总结汇总一下栈与队列题型。

当你不想只拿一段自然语言，而是想拿稳定可解析的数据结构时，应该如何在 LangChain 中设计响应格式。

练习ACM模式的几种情况。

把混合检索拆成三层来理解：稀疏向量在做什么、密集向量在补什么，以及 Milvus 里怎样真正把两者并行召回并融合。

Study 分区会自动扫描一级目录，并把它们接到知识星点与文章筛选里。

把模型、消息、工具、记忆、流式与结构化输出重新装回一台真正能工作的机器里，再看 Agent 就会顺很多。

当知识源不再只是纯文本时，RAG 不能只做语义匹配，还要学会把自然语言问题翻成过滤器、Cypher 或 SQL。

把 LangChain 的 Middleware 放回 Agent Loop 里理解：它到底拦在哪、能做什么，以及哪些 built-in middleware 最值得先掌握。

用户问题往往不是最优检索输入，所以这一篇把查询翻译和查询路由放到一起，理解重写、拆分、HyDE 与路由各在解决什么问题。

当召回已经有了以后，真正的生产级优化往往发生在后半程：重排、压缩和 corrective retrieval 都是在控制“给模型什么上下文”。

把 RAG 评估拆成一条清晰的工作流：先看检索，再看生成，再看工具；这样系统效果出问题时，才知道到底是哪一段出了偏差。