- 围绕项目经历深挖（具体实现/难点/效果）。
- PPT/文档解析场景：现有链路有哪些可继续优化点（准确率、速度、鲁棒性）。
- Agent 工具调用不准/选错工具时：你会用哪些约束与修正策略？
- 为提升工具调用/整体表现：SFT、强化学习（RL）分别怎么切入？
- PPO 里为什么常见 Reward Model + Critic（价值函数）双组件？各自作用是什么？
- 若用 GRPO 提升 Function Call：奖励函数怎么设计（结果奖励 vs 过程奖励等）？
- Agent 记忆/Memory 机制如何设计：存什么、何时写入、何时读取、如何遗忘？