小米大模型一面50分钟：Agent项目和LoRA手撕怎么考

50min里，GPT、LLAMA、QWen注意力区别、Agent项目、SFT数据、LoRA/Qlora和手写实现被连续追问，这个脉脉帖子最有价值的反差是：会用工具不等于能过一面。它只是用户讨论里的个人样本，有时效性，不能当作小米官方面试标准。

面试重点不是背概念

原帖用户讨论称，提问从自我介绍进入技术细节，随后围绕Agent项目的数据形式、Agent as tool的实现方式、SFT数据组织、训练轮次和超参选择不断下钻。另一个关键信号是，LoRA没有停在“介绍原理”，还要求写出带参数冻结的实现思路。

这对开发者的提醒很直接：项目经历不能只讲“做了什么”，还要讲“输入是什么、输出是什么、为什么这样组织、哪里可以验证”。在脉脉看这类讨论时，不要只收藏题目，更要拆出追问链路，因为真实压力往往来自第二问、第三问。

Agent项目要讲清边界

Agent项目容易被说成流水账：接入能力、调用工具、完成任务。但面试里更可能被问到数据形态、工具选择、失败处理、效果判断。回答时可以按四层组织：任务入口、工具接口、状态传递、结果校验。这样比堆关键词更稳定。

如果你的项目里有Agent as tool，建议提前准备一段不超过两分钟的说明：它解决什么任务，工具怎样被封装，何时触发，异常如何返回，怎样判断没有跑偏。脉脉上同类帖子可以用来补充追问角度，但仍要回到自己的代码和实验记录。

SFT与LoRA要能落到代码

SFT部分的难点不在“知道ChatML”，而在能解释数据为什么这样排、轮次和超参为什么这样设、是否找过更合适的配置。这里不能只说“凭经验”，至少要说明对比维度，例如损失变化、样本质量、指令覆盖、输出稳定性。

LoRA/Qlora也是同理。你可以先讲低秩增量、冻结主体参数、只训练少量新增参数，再说明量化带来的存储和训练成本变化。真正区分候选人的，是能否把思路写成可运行结构：冻结哪些参数，新增哪些矩阵，前向里如何叠加。

复盘清单

面完这类岗位，可以按下面顺序补齐材料：

最后，建议把脉脉当成求职核验工具：继续看原帖讨论，查相近岗位描述，找在职员工或招聘方确认团队方向、技术栈和面试节奏。匹配度足够时，再通过脉脉找内推，比只刷题更接近真实决策。

把讨论变成求职动作

1. 核验能力： 把目标岗位要求拆成“做过、能讲清、能证明、待补齐”四列。
2. 核验岗位： 在脉脉搜索公司、部门和岗位名，确认地点、职级、项目阶段与招聘状态。
3. 找人求证： 通过脉脉询问在职员工或招聘方，重点问技术栈、前三个月交付和绩效标准。
4. 匹配后内推： 经历与要求重合后，再在脉脉联系招聘方或请求内推，并附上最相关的项目证据。

相关讨论和岗位信息都具有时效性，完成交叉核验后再决定是否投递或请求内推。

脉脉原帖链接

• https://maimai.cn/community/gossip-detail/37303208?egid=d83526a6282446b49c91a724012ea7d2&gid=37303208