小红书热门帖调研：程序员面试 AI Agent 开发岗位

数据来源：opencli 小红书搜索与笔记详情抓取；生成时间：2026-07-10 00:33。本报告基于可抓取的公开笔记正文，不包含未能展开的评论区。
164
去重搜索结果
48
已抓取详情笔记
224
去重题目 + 参考答案
11
内容分类

结论摘要

小红书上 AI Agent 开发岗位面经呈现出明显的“项目深挖 + Agent 架构 + RAG/记忆 + 工具/MCP + 评测闭环 + 工程基础”组合。真正高频的不是背框架名，而是能否把一个 Agent 系统讲清楚：目标边界、执行模式、工具编排、记忆/检索、异常降级、可观测与评测、线上性能。

Agent 架构与执行模式 · 96RAG、记忆与向量数据库 · 23前端/全栈/产品与交互 · 23工具调用、MCP 与 Skills · 19项目深挖与履历真实性 · 17其他/综合问题 · 12评测、Badcase 与迭代优化 · 9后端/语言/工程基础 · 9Prompt、上下文工程与查询改写 · 6大模型基础与参数 · 6推理优化与 AI Infra · 4

岗位要求画像

Agent 系统设计能力能说明 Agent = 规划/记忆/工具/状态/评测的组合；能比较 ReAct、Plan-and-Execute、Reflection、workflow、多 Agent 架构。
真实项目深挖面试高频追问“你做的哪块最复杂”“负责边界”“线上链路”“为什么这样选型”，泛泛讲框架不够。
RAG 与记忆工程文档切分、向量库、短期/长期记忆、召回策略、用户偏好存储、MySQL vs 向量检索都是热点。
工具调用与 MCP自然语言到结构化参数、API 字段映射、工具封装、MCP/Skills 设计、异常和降级处理被反复问到。
Prompt/上下文工程提示词模板、查询改写、多轮补充、上下文压缩、prompt regression “修好一类坏一类”是实战区分点。
评测与迭代闭环没有用户反馈如何抽检、Badcase 定位到哪个 Agent 环节、版本对比如何证明更好，是中高级岗位重点。
LLM 基础Transformer、Self-Attention、QKV、temperature/top_p、确定性输出等基础仍会问。
工程与性能Java/Python 并发、缓存一致性、单测/mock、vLLM/KV Cache/continuous batching/QPS 是偏工程岗位常见加分项。

题目分类导航

Agent 架构与执行模式(96)工具调用、MCP 与 Skills(19)RAG、记忆与向量数据库(23)Prompt、上下文工程与查询改写(6)评测、Badcase 与迭代优化(9)大模型基础与参数(6)推理优化与 AI Infra(4)后端/语言/工程基础(9)前端/全栈/产品与交互(23)项目深挖与履历真实性(17)其他/综合问题(12)

具体面试题库（按主题分类，含参考答案）

Agent 架构与执行模式 · 96 题
1. 🔥AI Agent 面试？
来源：AI Agent 面试八股文 | 13章全覆盖 2026最
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
2. 你做的是主 Agent + 多子 Agent 架构，是通过意图识别分流到不同子 Agent 吗？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
3. 你认为 AI Agent 最核心的是什么？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
4. 你的 Agent 使用的是什么执行模式？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
5. React/Plan&Execute/Reflection？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • ReAct 适合短链路边想边做；Plan-and-Execute 适合长任务先拆解再执行；Reflection/critic 用于结果复核，但会增加延迟和成本。
6. Agent 循环执行有没有设置最大次数？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 防死循环的硬措施包括 max_steps、max_tokens、重复 state/tool-call 检测、无进展计数、timeout、预算阈值和 verifier 判定。
7. 如何防止死循环？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 防死循环的硬措施包括 max_steps、max_tokens、重复 state/tool-call 检测、无进展计数、timeout、预算阈值和 verifier 判定。
8. LangGraph 图结构支持循环吗？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 防死循环的硬措施包括 max_steps、max_tokens、重复 state/tool-call 检测、无进展计数、timeout、预算阈值和 verifier 判定。
  • LangGraph 的价值是把节点、边、条件分支、循环和持久化 state 显式化；适合需要恢复、分支、回放和可观测的复杂 Agent。
9. 对比 React、Plan&Execute、Reflection、CoT 等不同 Agent 架构区别？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • ReAct 适合短链路边想边做；Plan-and-Execute 适合长任务先拆解再执行；Reflection/critic 用于结果复核，但会增加延迟和成本。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
10. 如何降低 Agent & 模型幻觉？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
11. 介绍下你做过的RAG项目，谈谈你对RAG的理解，它主要解决了大模型的哪些核心问题？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
12. RAG大概有几个核心流程？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
13. 文档加载、文本分割之后还有哪些关键步骤？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
14. 出现漏召的情况下如何优化检索模块？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
15. 目前主流的检索策略有哪些？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
16. 重排阶段通常是怎么做的？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
17. 讲讲AI Agent的核心组成架构，以及感知、规划、行动三大核心链路的执行逻辑
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
18. 有哪些常用的评估指标和方法？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
19. 解释LoRA高效参数微调的原理，为什么要用低秩分解而不是全参数微调？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
20. 大模型出现复读机现象的根本原因是什么？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
21. 有哪些有效的解决方法？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
22. SFT微调后模型的通用能力出现遗忘时，有哪些缓解和解决的方案？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
23. 什么是ReAct、CoT、Self-refine智能体范式？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • ReAct 适合短链路边想边做；Plan-and-Execute 适合长任务先拆解再执行；Reflection/critic 用于结果复核，但会增加延迟和成本。
24. 这个决策逻辑是怎么实现的？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
25. 每个工具需要包含哪些必要信息？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
26. 安全控制：生成报表时如何严格控制SQL只允许SELECT操作，禁止DELETE、DROP等DDL/DML危险操作？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
27. 大模型输出准确率和格式不稳定，怎么让Agent每次基本保持稳定的输出？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
28. 有哪些提高输出一致性的方法？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
29. 多工具串联/并行编排如何实现？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
30. 遇到工具调用失败、超时、返回异常时，Agent怎么做容错重试？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
31. 对比LangGraph与原生自定义Agent的差异，字节业务场景下为什么更推荐轻量化自研Agent框架？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • LangGraph 的价值是把节点、边、条件分支、循环和持久化 state 显式化；适合需要恢复、分支、回放和可观测的复杂 Agent。
32. HashMap在JDK1.8之前和1.8分别是怎么实现的？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
33. 8版本做了哪些关键改进？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
34. Redis的pipeline和事务有什么本质区别？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
35. Redis事务（EXEC）能保证原子性吗？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
36. 它有什么局限性？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
37. 最近面了一个男生，他对智能体的理解远超常人。当很多人还在把Agent等同于能调API的ChatGPT时，他已经清晰勾勒出了一个自主系统的骨架 💬 我问他：“如果让你设计一个智能旅行规划Agent，你会从哪些层面考虑，而不仅仅是列功能” 他没有直接回答技术选型，而是从根本目标切入：“首先，我需要明确这个Agent核心自主性边界。它是一个完全自主的规划师，还是需要与用户多次确认的助手？
来源：面试时他一开口，我就知道他很懂AI Agent
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
38. 这决定了任务拆解的粒度和中断节点的设计” “具体如何构建呢？
来源：面试时他一开口，我就知道他很懂AI Agent
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
39. 我追问 “我会用分层架构思维来设计。”他阐述：
来源：面试时他一开口，我就知道他很懂AI Agent
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
40. 规划层：需要设计任务分解逻辑，是用ReAct模式让Agent自己一步步想，还是用CoT预设好关键步骤？
来源：面试时他一开口，我就知道他很懂AI Agent
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • ReAct 适合短链路边想边做；Plan-and-Execute 适合长任务先拆解再执行；Reflection/critic 用于结果复核，但会增加延迟和成本。
41. 你之前做的Agent项目用的是什么架构？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
42. LangGraph还是自研？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • LangGraph 的价值是把节点、边、条件分支、循环和持久化 state 显式化；适合需要恢复、分支、回放和可观测的复杂 Agent。
43. 整体是master+sub Agent还是workflow形式？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
44. 为什么这么选型？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
45. 项目中是单Agent还是多Agent架构？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
46. 各个子Agent的核心任务和分工是什么？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
47. 首次生成和多轮补充的链路路由是怎么区分和实现的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
48. 在上下文工程方面有哪些实践经验？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
49. 比如有没有做过to do list这类优化，为什么它能让模型更聚焦？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
50. 并行化意图识别是什么？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
51. 为什么要做并行化？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
52. 你是如何实现的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
53. 如何判断应该对哪个Agent做SFT优化？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
54. Prompt调优过程中，经常会遇到"修好一类、坏了另一类"的问题，你是怎么解决的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
55. 你在LLM推理优化方面做了哪些工作？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
56. 代码插桩的具体原理是什么？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
57. 单元测试中的mock是怎么实现的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
58. 核心功能如何实现？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
59. 为什么要有GIL？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
60. 同一个token在不同位置的向量是一样的吗？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
61. 你所在的团队规模和分工是怎样的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
62. 为什么考虑离开当前公司？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
63. 你下一份工作最看重的是什么？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
64. FC是模型会"伸手"的能力,MCP是给手定的插座标准 能力vs规范,配套不冲突 ━━━━━━ 🧩压轴题:三个词什么关系?
来源：AI PM面试必考RAG/Agent/MCP,人话版直接背
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
65. 一句话:Agent是干活的人,RAG是它查资料的方法,MCP是它连工具的插座 例子:知识助手→Agent规划→MCP调工具→其中一个工具是RAG检索→出答案 ━━━━━━ 🚨3个坑 1·背定义不举例:用你作品集里的例子答,比定义值钱 2·装深度:不会就认边界+讲判断,别硬编 3·只讲技术:每个词落回用户/成本/体验,你面的是PM ━━━━━━ 💬这3个词你面试被追问过哪个?
来源：AI PM面试必考RAG/Agent/MCP,人话版直接背
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
66. 被问倒的是什么题?
来源：AI PM面试必考RAG/Agent/MCP,人话版直接背
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
67. 回答要点： State Schema：定义严格的状态结构（如使用LangGraph的 TypedDict ），只保存核心变量。 Trim Strategy：不仅是简单的截断，而是根据语义重要性保留（例如保留System Prompt、最近N轮对话和当前任务目标）。 Summary Buffer：将旧的对话摘要化，将摘要存入Context头部。 Q10：如何保证Agent调用工具（Function Calling）的可靠性？
来源：2026大模型Agent面试全攻略（下）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • LangGraph 的价值是把节点、边、条件分支、循环和持久化 state 显式化；适合需要恢复、分支、回放和可观测的复杂 Agent。
68. 回答要点： 语法层面：利用JSON Mode或强类型约束。 逻辑层面：引入”确认机制（Human-in-the-loop）”，对于高风险操作（如删库、转账）必须由人点击确认。 重试逻辑：如果LLM生成的参数不合法，将报错信息返回给LLM，让其自我修复（Self-heal）。 Q11：LangGraph中的”节点（Node）”和”边（Edge）”与传统工作流有何不同？
来源：2026大模型Agent面试全攻略（下）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • LangGraph 的价值是把节点、边、条件分支、循环和持久化 state 显式化；适合需要恢复、分支、回放和可观测的复杂 Agent。
69. 回答要点： 传统工作流的边是固定的。 LangGraph的边可以是条件边（Conditional Edges），由LLM的输出决定下一步走向哪个Node。 支持循环（Cycles），这是Agent能够不断尝试直到成功的核心。 #大模型 #算法 #面经 #LLM #互联网大厂 #智能体 #龙虾 #openclaw #agent #RAG
来源：2026大模型Agent面试全攻略（下）
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 防死循环的硬措施包括 max_steps、max_tokens、重复 state/tool-call 检测、无进展计数、timeout、预算阈值和 verifier 判定。
  • LangGraph 的价值是把节点、边、条件分支、循环和持久化 state 显式化；适合需要恢复、分支、回放和可观测的复杂 Agent。
70. 如果让你设计一个Agent要考虑哪些模块？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
71. 反问 刚开始还有点紧张，但发现面试官非常nice，引导做得很好。感觉自己对基础知识的掌握和项目的深度挖掘还是帮了大忙，特别是中间聊到Agent设计和数据库底层原理时，能感觉到面试官频频点头。整体节奏很舒服，不像是在考试，更像是在技术交流。 刚结束半小时就收到二面通知了 #互联网大厂实习 #互联网大厂 #面经 #面试求职 #面试技巧 #后端开发 #找实习 #校招 #春招分享 #字节跳动实习
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
72. 这年头人手N个agent，去面试说自己没build过agent简直不好意思张嘴。但是！ 当面试官问：你怎么 evaluate 一个 Agent？
来源：AIPM面试如何评估你的agent(附真实案例)
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
73. 介绍一下你设计的整个 Agent 架构。 为什么设计成主从架构？
来源：小红书 AI Agent开发一面
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
74. 讲一下完整的业务流程，Agent 在整个过程中做了哪些事情？
来源：小红书 AI Agent开发一面
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
75. 你这个 Agent 的自主规划执行有没有轮次限制？
来源：小红书 AI Agent开发一面
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
76. 你在写 Prompt 方面有什么心得？
来源：小红书 AI Agent开发一面
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
77. 可以举例说明。 如果在 Prompt 中明确提出 RAG 结果不要返回某种商品，但模型还是返回了，并且多次出现，这种情况可能是什么原因？
来源：小红书 AI Agent开发一面
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
78. 听起来响应时间比较长，你有没有分析过可能的原因？
来源：小红书 AI Agent开发一面
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
79. 假设你需要开发美团智能客服 Agent，如何设计多轮对话流程？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
80. ◦ 追问 1：你会使用哪些对话状态跟踪方法？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
81. ◦ 追问 2：如何处理用户意图模糊的情况？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
82. 描述一次使用 LLM 开发智能助手的经历，遇到过哪些幻觉问题？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
83. 解释 AI Agent 的规划能力，如何实现多任务协同（如点餐 + 支付 + 售后）？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
84. 在设计 Agent 的工具调用能力时，你的技术方案是什么？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
85. ◦ 追问 2：会使用哪些函数调用框架？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
86. 分享一次通过用户反馈优化 Agent 能力的经历，关键改进是什么？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
87. 自我介绍（1-3分钟）
来源：第一次正式面试 多agent(未通过)
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
88. 介绍一下你的多Agent项目核心亮点
来源：第一次正式面试 多agent(未通过)
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
89. 你的意图分析如果用户指令不清晰的情况下你的LLM是如何处理的（回答的不行，因为确实没遇到过）
来源：第一次正式面试 多agent(未通过)
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
90. 那用户指令不清晰你的LLM又如何能够提取到关键信息下发到其他agent
来源：第一次正式面试 多agent(未通过)
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
91. 你的多agent RAG流程是什么，上下文怎么增强的 后面问题都是基于上面问题追问
来源：第一次正式面试 多agent(未通过)
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
92. 如果多用户使用，你的向量库是怎么做到用户隔离的？
来源：第一次正式面试 多agent(未通过)
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
93. 时间：大模型117天 7月8日 周三 智能问数项目推进中，老师就讲了用什么框架模型，也不讲讲为什么这么选，你们都学哪个版本的问数？
来源：大模型117天，揭秘大疆的agent开发面试难度
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
94. NootCode 最新更新 AI Agent 工程师面试题库，包含 LLM 基础、 LLM 上下文工程、RAG、Agent 架构设计高频题。提供答题要点、参考答案，并且根据回答给出详细的 AI 判分与改进建议。 大家可以到 NootCode 来练习一下，祝大家拿到满意的 Offer ！#Agent工程师 #agent面试 #大模型面试 #LLM面试 #NootCode #agent开发实战 #大模型八股 #大模型八股文
来源：AI Agent 工程师面试题库
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
95. 面试感受 面完了，字节的面试官确实专业，问的问题都很深入，不是那种背八股文就能过的。一面基础打得牢，二面项目挖得深，三面系统设计视野要广。每个问题都直击工程落地的痛点，没点实战经验还真扛不住。不过准备充分的话，2-2应该问题不大。 #互联网大厂 #面经 #面试求职 #大模型 #ai智能体 #面试题 #java
来源：字节跳动 ai agent 三轮技术面拿下2-2
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
96. #前端 #前端内推 #前端面试题 #agent #rag #前端找工作 #前端学习 #AI前端 #前端进阶 #前端架构师
来源：智谱AI 26年前端开发AI Agent方向社招面试
参考答案

参考回答：先把 Agent 讲成一个受控的工程系统，而不是“让模型自由发挥”。核心是目标、状态、规划、工具、观察、终止条件和评测闭环。

  • 架构上优先说明为什么选 workflow / ReAct / Plan-and-Execute / LangGraph / 多 Agent，而不是只报框架名。
  • 生产系统要显式设计最大步数、预算、重复动作检测、失败终止和人工接管，防止循环与越权。
  • 如果是多 Agent，要说清主 Agent 负责路由/规划，子 Agent 按领域或权限拆分，并用结构化 state 传递结果。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
工具调用、MCP 与 Skills · 19 题
1. 模型和后端服务 / 工具之间的调用是怎么做的？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
2. 带参数复杂查询（某天某教室是否空闲），模型如何提取参数并调用接口？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • 字段映射不要靠模型猜，应该维护 schema、字段说明、示例和枚举；必要时加一个 semantic mapping 层把用户意图映射到后端字段。
3. 接口字段是英文，模型不知道字段含义，自然语言→接口英文参数的映射关系你是怎么实现的？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • 字段映射不要靠模型猜，应该维护 schema、字段说明、示例和枚举；必要时加一个 semantic mapping 层把用户意图映射到后端字段。
4. 是 MCP 封装的吗？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
5. MCP 是自己开发的吗？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
6. 工具层：不仅仅是接入航班、酒店API，更重要的是工具编排策略。当查不到直飞航班时，是自动查询中转方案，还是立即向用户请求反馈？
来源：面试时他一开口，我就知道他很懂AI Agent
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
7. Agent的skills功能原理是什么？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • Skills 可以理解为可复用的工具/流程说明：触发条件、输入输出、步骤、失败处理和验证方式都要结构化，便于 Agent 选择和执行。
8. 你是怎么设计和实现skills体系的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • Skills 可以理解为可复用的工具/流程说明：触发条件、输入输出、步骤、失败处理和验证方式都要结构化，便于 Agent 选择和执行。
9. (送命题) 流程固定可预测→工作流,便宜稳好排查 真需要临场决策才上Agent 💎加分句:"Agent贵在自主也难在自主,我会先问:这场景值不值得为自主性买单" ━━━━━━ 🔌 MCP=Type-C 人话:AI和外部工具之间的统一接口标准 以前接1个工具焊1根线,现在插口统一,接入1次处处能用 已是行业事实标准 ▎追问"MCP和Function Calling什么关系?
来源：AI PM面试必考RAG/Agent/MCP,人话版直接背
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
10. Java岗位是真没啥人招了，就我的投递体验来看，基本都是大模型应用岗位在招。大模型岗位薪资也比Java要高5k。 15k左右的中小厂面试我觉得不考死记硬背，考思路、项目、能不能直接干活。 基本上就是聊思维，openclaw，skills，RAG问的比Agent多一些，项目实现，RAG怎么评估，线上错误排查，考你项目真实度，其实就是LangGraph高级特性那一部分，所以在面试之前起码要基于LangGraph，vibe coding出一个项目的工作流，高级特特性都有应用。 最新技术是必问的，以前问 MCP，现在更爱问：Skills、OpenClaw、工具增强、工作流编排 现在真实开发流程就是：
来源：大模型应用开发面试都问些什么？
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • Skills 可以理解为可复用的工具/流程说明：触发条件、输入输出、步骤、失败处理和验证方式都要结构化，便于 Agent 选择和执行。
11. LangGraph 实战：会写简单工作流 → 带状态 → 带工具调用 → 带记忆等，高级特性都看一下。能讲清楚LangGraph和 LangChain 的区别、优势、适用场景
来源：大模型应用开发面试都问些什么？
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
12. Agent + Skills + 工具调用：知道什么时候用 Agent，什么时候 RAG 更稳，能讲一个完整落地流程
来源：大模型应用开发面试都问些什么？
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • Skills 可以理解为可复用的工具/流程说明：触发条件、输入输出、步骤、失败处理和验证方式都要结构化，便于 Agent 选择和执行。
13. 两段实习是否写过对外Web API。
来源：小红书AI全栈开发面经
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
14. 如果遇到api超时和报错怎么解决？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
15. 有没有考虑用大模型自己排除api超时和报错？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
16. 为什么在这里设计的是先调用 tool 去查商品，再走 RAG 检索商品信息？
来源：小红书 AI Agent开发一面
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
17. 说说你对 Agent 和 Skills 的理解。 一般情况下你这个 Agent 的响应时间是多少？
来源：小红书 AI Agent开发一面
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
  • Skills 可以理解为可复用的工具/流程说明：触发条件、输入输出、步骤、失败处理和验证方式都要结构化，便于 Agent 选择和执行。
18. ◦ 追问 1：如何选择合适的工具 API？
来源：美团｜AI Agent开发工程师面经✅
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
19. 面试链接里也没有提前说明，面试官一上来就问我本地能不能ai coding。我本地配好了claude code，用cc switch管理的api，但是用面试官提供的api key和base url还是访问不了模型有没有大佬成功连上过，或者知道cc switch上该怎么配的据说阿里现在都是要求ai coding的 #阿里云 #互联网大厂 #面试 #vibecoding
来源：阿里云一面直接ai coding
参考答案

参考回答：工具层要做成受控 executor：模型只提出要调用什么工具和参数，真正执行前由代码做 schema 校验、权限检查、风险分级和审计。

  • 自然语言到参数一般通过结构化输出/function calling 提取，再做类型、枚举、范围、必填字段校验；校验失败再让模型修正或向用户澄清。
  • MCP 适合把外部系统标准化成工具/资源，但 MCP 本身不是安全边界；安全要落在权限、sandbox、approval 和 audit log。
  • 工具失败要按错误分类：网络/rate limit 可退避重试，参数错误让模型修正，权限/高风险动作停止并请求确认或人工升级。
RAG、记忆与向量数据库 · 23 题
1. 请介绍你的长期记忆 + 短期记忆是怎么实现的？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
2. 为什么需要记忆？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
3. 向量数据库是干嘛用的？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
4. 记忆数据具体存什么？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
5. 存入向量库前怎么处理？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
6. 查询时怎么提取记忆？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
7. 既然是存用户偏好标签，为什么不用 MySQL，引入向量检索的意义是什么？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • MySQL 适合精确条件查询和事务；向量检索适合“语义相近但措辞不同”的召回。实际系统常用 MySQL 存结构化数据，向量库只存可检索片段和 embedding。
8. 项目用到 RAG 增强，文档切分你是怎么做的？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
9. 语义切片优缺点？
来源：淘天ai应用开发一面面经
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
10. RAG中检索模块召回错误结果时如何处理？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
11. 详细说说Agent短期记忆、长期记忆、超记忆的实现方案，你项目中如何做记忆的更新与遗忘策略？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
12. RAG中向量检索+关键词混合检索的融合策略是什么？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
13. 比较MySQL和Elasticsearch的核心区别及各自的适用场景。为什么很多RAG项目选择用PGVector而不是ES来做向量数据库？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • MySQL 适合精确条件查询和事务；向量检索适合“语义相近但措辞不同”的召回。实际系统常用 MySQL 存结构化数据，向量库只存可检索片段和 embedding。
14. 面试官说个数据📌 AI PM面试,3个词几乎每场必出:RAG/Agent/MCP 而我听到的答案9成是: "RAG就是知识库""Agent就是自动化""MCP没听过" 一开口,直接归入"背概念"档⬇️ 3个比喻一次讲清,面试前一晚过一遍,先收藏 ━━━━━━ 📖 RAG=开卷考试 人话:让AI先查资料再回答,不凭记忆瞎说 模型记忆=背过的书(会过时会记错),RAG=允许翻你指定的资料 ▎追问"RAG和微调怎么选?
来源：AI PM面试必考RAG/Agent/MCP,人话版直接背
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
15. 知识常变/要溯源→RAG;改说话风格和行为→微调 先RAG,8成场景够用 💎加分句:"RAG效果一大半在检索质量,调分块和重排,比换大模型管用" ━━━━━━ 🚗 Agent=请司机 人话:不只回答,还会干活:自己拆任务/调工具/看结果/再调整 chatbot是问路,Agent是司机,把你送到为止 四大件:规划·工具·记忆·执行 ▎追问"什么时候不该用Agent?
来源：AI PM面试必考RAG/Agent/MCP,人话版直接背
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
16. RAG 全流程：文档切分、向量化、检索、重排、prompt 构造、如何解决幻觉、如何提高准确率、如何处理长文本
来源：大模型应用开发面试都问些什么？
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
17. Agent的短期长期记忆是怎么实现的？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 写长期记忆前要有来源、置信度、TTL 和用户确认策略，避免把临时推断写成永久事实造成 memory 污染。
18. 前些时候有位读者去面试，面试官问了个热门问题：你怎么看RAG已经消亡了？
来源：面试题：谈谈RAG已死的看法？
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
19. 还提到Claude用grep做检索效果很好。 他自信回答：RAG确实过时了，grep又快又准，零成本，结果可预期。 面试官接着问：那公司有20万份非结构化文档，想查差旅报销政策，用grep怎么搜？
来源：面试题：谈谈RAG已死的看法？
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
20. 报销政策可能叫出差补贴规定，也可能叫员工外出费用管理办法，你搜哪个词？
来源：面试题：谈谈RAG已死的看法？
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
21. 他卡住了。 这时他才明白，自己把代码检索和知识库检索两个场景搞混了。面试官想考察的不是谁好谁坏，而是知不知道什么场景用什么工具。 grep的强项是精确匹配。你知道要找什么的时候，比如代码里的函数名、日志里的错误码，grep无敌。 但现实中的大部分数据不是这样。你不知道文档里用的什么词，还有图片、表格、截图，grep根本搜不到。 RAG的核心就是解决这个问题：把文档转成向量，用户提问时找意思相近的内容，即使措辞不同也能找到。 RAG已死的说法，只适用于代码导航这个特定场景。对于文档问答、知识管理、非结构化文本检索，RAG仍然是标准方案。 简单总结：搜代码用grep，搜文档用RAG，两者结合最好用。 技术选型没有捷径，搞清楚场景再下结论。 你面试遇到过类似的陷阱题吗？
来源：面试题：谈谈RAG已死的看法？
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
22. 你的 RAG 知识库的索引是怎么设计的？
来源：小红书 AI Agent开发一面
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
23. 问的问题重点给大家总结在下面啦 知识库规模如何设计 Chunk 策略如何确定 法律场景下如何保证语义完整性 Embedding 模型如何选型 检索参数如何确定 测试集如何构建 Recall 指标如何评估 Baseline 如何设计 Agent 如何完成工具选择 Prompt 如何设计 工具调用失败如何处理 Reflection 如何设计 如何避免死循环 Agent 效果如何评估 对 AI 应用发展的理解 对公司 AI 产品的了解 Agent 平台与工作流平台的区别 企业级 Agent 的应用场景 #互联网大厂 #面经 #面试求职 #大模型 #面试技巧
来源：某大厂 AI 岗一面面经｜RAG + Agent 方向
参考答案

参考回答：RAG 和记忆要分层讲：短期上下文保存当前任务状态，长期记忆保存跨会话稳定偏好或经验，知识库/RAG 保存外部事实证据。

  • 文档切分优先按语义结构、标题、段落、代码块切；固定长度切片简单但容易截断语义，通常要配 overlap、metadata 和 reranker。
  • 向量库解决语义相似召回，不适合替代 MySQL 的精确结构化查询；用户标签、权限、时间等结构化字段应继续放关系库或 metadata filter。
  • RAG 质量要看 retrieval recall@k、rerank、引用命中率和答案是否被来源支持，而不是只看最终回答是否顺眼。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
Prompt、上下文工程与查询改写 · 6 题
1. 你是怎么构建提示词模板的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：Prompt/上下文工程不是堆长提示词，而是把任务目标、约束、工具说明、输出格式、少量示例和当前 state 组织成可回归测试的模板。

  • 查询改写用于补全省略、拆分多意图、生成检索 query；若缺少关键槽位，应先向用户澄清，不能让模型硬猜。
  • 多轮链路要区分首次生成、补充信息、修改指令和重新规划，可用 router + state 标记当前阶段。
  • Prompt 调优要配 golden set 回归测试，防止“修好一类坏另一类”；到瓶颈后再考虑换模型、路由或 SFT。
2. 项目中有没有做过查询改写？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：Prompt/上下文工程不是堆长提示词，而是把任务目标、约束、工具说明、输出格式、少量示例和当前 state 组织成可回归测试的模板。

  • 查询改写用于补全省略、拆分多意图、生成检索 query；若缺少关键槽位，应先向用户澄清，不能让模型硬猜。
  • 多轮链路要区分首次生成、补充信息、修改指令和重新规划，可用 router + state 标记当前阶段。
  • Prompt 调优要配 golden set 回归测试，防止“修好一类坏另一类”；到瓶颈后再考虑换模型、路由或 SFT。
3. 多维度的查询改写具体是什么？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：Prompt/上下文工程不是堆长提示词，而是把任务目标、约束、工具说明、输出格式、少量示例和当前 state 组织成可回归测试的模板。

  • 查询改写用于补全省略、拆分多意图、生成检索 query；若缺少关键槽位，应先向用户澄清，不能让模型硬猜。
  • 多轮链路要区分首次生成、补充信息、修改指令和重新规划，可用 router + state 标记当前阶段。
  • Prompt 调优要配 golden set 回归测试，防止“修好一类坏另一类”；到瓶颈后再考虑换模型、路由或 SFT。
4. 四、深度技术实现与状态管理 Q9：在多轮对话Agent中，如何处理”状态爆炸”和”上下文溢出”？
来源：2026大模型Agent面试全攻略（下）
参考答案

参考回答：Prompt/上下文工程不是堆长提示词，而是把任务目标、约束、工具说明、输出格式、少量示例和当前 state 组织成可回归测试的模板。

  • 查询改写用于补全省略、拆分多意图、生成检索 query；若缺少关键槽位，应先向用户澄清，不能让模型硬猜。
  • 多轮链路要区分首次生成、补充信息、修改指令和重新规划，可用 router + state 标记当前阶段。
  • Prompt 调优要配 golden set 回归测试，防止“修好一类坏另一类”；到瓶颈后再考虑换模型、路由或 SFT。
5. 提示词具体是怎么做？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：Prompt/上下文工程不是堆长提示词，而是把任务目标、约束、工具说明、输出格式、少量示例和当前 state 组织成可回归测试的模板。

  • 查询改写用于补全省略、拆分多意图、生成检索 query；若缺少关键槽位，应先向用户澄清，不能让模型硬猜。
  • 多轮链路要区分首次生成、补充信息、修改指令和重新规划，可用 router + state 标记当前阶段。
  • Prompt 调优要配 golden set 回归测试，防止“修好一类坏另一类”；到瓶颈后再考虑换模型、路由或 SFT。
6. 还有其他提示词技巧吗？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：Prompt/上下文工程不是堆长提示词，而是把任务目标、约束、工具说明、输出格式、少量示例和当前 state 组织成可回归测试的模板。

  • 查询改写用于补全省略、拆分多意图、生成检索 query；若缺少关键槽位，应先向用户澄清，不能让模型硬猜。
  • 多轮链路要区分首次生成、补充信息、修改指令和重新规划，可用 router + state 标记当前阶段。
  • Prompt 调优要配 golden set 回归测试，防止“修好一类坏另一类”；到瓶颈后再考虑换模型、路由或 SFT。
评测、Badcase 与迭代优化 · 9 题
1. Agent 评测 如何科学评测 Agent 系统效果？
来源：淘天ai应用开发一面面经
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
2. 新版本对比旧版本如何证明更好？
来源：淘天ai应用开发一面面经
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
3. 了解 Harness 架构吗？
来源：淘天ai应用开发一面面经
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
4. 如何全面评估一个RAG系统的效果？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
5. Agent系统的整体效果怎么评估？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
6. 在没有用户反馈的情况下，如何进行有效的抽检？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
7. 当出现Badcase时，你怎么快速定位到具体是哪个Agent环节出了问题？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
8. 当Prompt调优到极限后，你会优先选择换模型、调参数还是上SFT？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
  • SFT 适合稳定、可标注、prompt 难以修复的模式性错误；少量 badcase 或需求频繁变化时优先改 prompt、工具和评测。
9. 能评估：效果、成本、稳定性、延迟 这个可以去问AI，让AI给出几篇好文章。 最后给出面试准备极简路线:
来源：大模型应用开发面试都问些什么？
参考答案

参考回答：Agent 评测要评“过程 + 结果”，不能只看最终答案。要把任务成功率、工具选择、参数正确、步骤效率、安全合规、成本和延迟拆开看。

  • 离线准备 golden set，覆盖正常、边界、无答案、工具失败、注入攻击和高风险动作；每次 prompt/模型/工具变更都跑 regression。
  • Badcase 定位要看 trace：先判断是路由、检索、prompt、工具选择、参数、工具返回理解、终止条件还是模型能力问题。
  • 没有用户反馈时可做人工抽检、LLM judge + rubric、shadow/canary 对比，但高风险指标要结合规则和人工校准。
大模型基础与参数 · 6 题
1. 了解大模型 API 参数 temperature、top_p 吗？
来源：淘天ai应用开发一面面经
参考答案

参考回答：大模型基础题要讲清概念和工程影响，重点是它如何影响 Agent 稳定性、成本、可控性。

  • Transformer 的核心是 self-attention：每个 token 通过 Q/K/V 与其他 token 计算相关性，聚合上下文信息，再经过前馈层生成表示。
  • temperature 控制采样随机性，top_p 控制候选 token 累计概率范围；temperature=0 通常更稳定，但分布式推理、并列概率、系统版本变化仍可能导致不完全一致。
  • 在 Agent 场景，低温度适合工具参数、结构化输出和高一致性任务；创意生成可适当提高温度。
2. temperature 设置为 0，输入固定输出是否一定完全相同？
来源：淘天ai应用开发一面面经
参考答案

参考回答：大模型基础题要讲清概念和工程影响，重点是它如何影响 Agent 稳定性、成本、可控性。

  • Transformer 的核心是 self-attention：每个 token 通过 Q/K/V 与其他 token 计算相关性，聚合上下文信息，再经过前馈层生成表示。
  • temperature 控制采样随机性，top_p 控制候选 token 累计概率范围；temperature=0 通常更稳定，但分布式推理、并列概率、系统版本变化仍可能导致不完全一致。
  • 在 Agent 场景，低温度适合工具参数、结构化输出和高一致性任务；创意生成可适当提高温度。
3. 简单讲下 Transformer 底层原理？
来源：淘天ai应用开发一面面经
参考答案

参考回答：大模型基础题要讲清概念和工程影响，重点是它如何影响 Agent 稳定性、成本、可控性。

  • Transformer 的核心是 self-attention：每个 token 通过 Q/K/V 与其他 token 计算相关性，聚合上下文信息，再经过前馈层生成表示。
  • temperature 控制采样随机性，top_p 控制候选 token 累计概率范围；temperature=0 通常更稳定，但分布式推理、并列概率、系统版本变化仍可能导致不完全一致。
  • 在 Agent 场景，低温度适合工具参数、结构化输出和高一致性任务；创意生成可适当提高温度。
4. 简单讲一下Self-Attention的实现原理，为什么要分成Q、K、V三个向量？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：大模型基础题要讲清概念和工程影响，重点是它如何影响 Agent 稳定性、成本、可控性。

  • Transformer 的核心是 self-attention：每个 token 通过 Q/K/V 与其他 token 计算相关性，聚合上下文信息，再经过前馈层生成表示。
  • temperature 控制采样随机性，top_p 控制候选 token 累计概率范围；temperature=0 通常更稳定，但分布式推理、并列概率、系统版本变化仍可能导致不完全一致。
  • 在 Agent 场景，低温度适合工具参数、结构化输出和高一致性任务；创意生成可适当提高温度。
  • Q 表示当前 token 要找什么，K 表示其他 token 提供什么索引，V 是被加权聚合的信息；位置编码会让同一 token 在不同位置的表示不同。
5. LLM流量暴涨、报错时的监控优化、降级回滚方法及落地的方案。
来源：小红书AI全栈开发面经
参考答案

参考回答：大模型基础题要讲清概念和工程影响，重点是它如何影响 Agent 稳定性、成本、可控性。

  • Transformer 的核心是 self-attention：每个 token 通过 Q/K/V 与其他 token 计算相关性，聚合上下文信息，再经过前馈层生成表示。
  • temperature 控制采样随机性，top_p 控制候选 token 累计概率范围；temperature=0 通常更稳定，但分布式推理、并列概率、系统版本变化仍可能导致不完全一致。
  • 在 Agent 场景，低温度适合工具参数、结构化输出和高一致性任务；创意生成可适当提高温度。
6. 消耗token过快怎么排查？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：大模型基础题要讲清概念和工程影响，重点是它如何影响 Agent 稳定性、成本、可控性。

  • Transformer 的核心是 self-attention：每个 token 通过 Q/K/V 与其他 token 计算相关性，聚合上下文信息，再经过前馈层生成表示。
  • temperature 控制采样随机性，top_p 控制候选 token 累计概率范围；temperature=0 通常更稳定，但分布式推理、并列概率、系统版本变化仍可能导致不完全一致。
  • 在 Agent 场景，低温度适合工具参数、结构化输出和高一致性任务；创意生成可适当提高温度。
推理优化与 AI Infra · 4 题
1. 压测 QPS 从 300 提升到 1800+，核心优化点是什么？
来源：淘天ai应用开发一面面经
参考答案

参考回答：推理优化先用 trace 找瓶颈，再分别处理模型、上下文、并发、缓存、工具和网络。不要在没有指标时盲目优化。

  • vLLM/continuous batching 提升吞吐，KV Cache 复用历史注意力计算降低重复开销；但要关注显存、上下文长度和多租户隔离。
  • 线上指标至少看 QPS、P50/P95/P99 延迟、token/s、错误率、重试率、单次成本、工具耗时和队列等待。
  • 优化手段包括模型路由、小模型预处理、上下文裁剪、结果缓存、工具并行、限流、降级和 canary 发布。
2. 有没有用到continuous batching、KV Cache、vLLM等技术？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：推理优化先用 trace 找瓶颈，再分别处理模型、上下文、并发、缓存、工具和网络。不要在没有指标时盲目优化。

  • vLLM/continuous batching 提升吞吐，KV Cache 复用历史注意力计算降低重复开销；但要关注显存、上下文长度和多租户隔离。
  • 线上指标至少看 QPS、P50/P95/P99 延迟、token/s、错误率、重试率、单次成本、工具耗时和队列等待。
  • 优化手段包括模型路由、小模型预处理、上下文裁剪、结果缓存、工具并行、限流、降级和 canary 发布。
3. 线上高峰吞吐量大概是多少？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：推理优化先用 trace 找瓶颈，再分别处理模型、上下文、并发、缓存、工具和网络。不要在没有指标时盲目优化。

  • vLLM/continuous batching 提升吞吐，KV Cache 复用历史注意力计算降低重复开销；但要关注显存、上下文长度和多租户隔离。
  • 线上指标至少看 QPS、P50/P95/P99 延迟、token/s、错误率、重试率、单次成本、工具耗时和队列等待。
  • 优化手段包括模型路由、小模型预处理、上下文裁剪、结果缓存、工具并行、限流、降级和 canary 发布。
4. 低代码平台如何兼顾性能与灵活，是否支持自定义AI编排代码。
来源：小红书AI全栈开发面经
参考答案

参考回答：推理优化先用 trace 找瓶颈，再分别处理模型、上下文、并发、缓存、工具和网络。不要在没有指标时盲目优化。

  • vLLM/continuous batching 提升吞吐，KV Cache 复用历史注意力计算降低重复开销；但要关注显存、上下文长度和多租户隔离。
  • 线上指标至少看 QPS、P50/P95/P99 延迟、token/s、错误率、重试率、单次成本、工具耗时和队列等待。
  • 优化手段包括模型路由、小模型预处理、上下文裁剪、结果缓存、工具并行、限流、降级和 canary 发布。
后端/语言/工程基础 · 9 题
1. 多级缓存和数据库的数据一致性问题怎么解决？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
2. 你使用的 Java 版本是多少？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
3. Java17 有哪些新特性？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
4. Java 并发包线程安全集合（ConcurrentHashMap）底层原理？
来源：淘天ai应用开发一面面经
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
  • ConcurrentHashMap 通过分段/CAS/synchronized 等机制降低锁竞争；JDK8 以数组+链表/红黑树+CAS 为主，读多写少场景吞吐更好。
5. 代码单测的分支覆盖率是怎么统计的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
6. 对于那些用AST和LSP都难以生成单测的代码，你会怎么处理？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
7. Python有没有真正的多线程？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
8. 多线程中的Lock和RLock有什么区别？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
9. 讲一下java线程池？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：工程基础题要把语言机制和线上可靠性联系起来，说明你能把 AI 功能做成可测试、可扩展、可维护的服务。

  • 并发和缓存问题要讲一致性边界、锁粒度、幂等、重试和降级；不要只背概念。
  • 单测要覆盖正常、边界、异常、外部工具失败和安全拦截；Mock 应隔离外部 API，但关键集成链路仍要有端到端测试。
  • AI 项目常见后端链路是 API 层、任务状态、工具 executor、模型网关、日志/trace、评测和监控。
前端/全栈/产品与交互 · 23 题
1. Agent决策机制：该报表Agent如何决定什么时候调用数据库查询工具，什么时候直接生成图表或回答用户？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
2. 工具调用规范：在这个Agent中，工具的调用规范大概是怎么设计的？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
3. 请从技术层面说明你的设计方案。
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
4. 状态与评估层：Agent必须能明确汇报当前进度，并在卡住时能触发预设的降级方案，而不是沉默或崩溃 “你认为这和设计一个传统的、流程固定的产品有何不同？
来源：面试时他一开口，我就知道他很懂AI Agent
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
5. 当改写需要用户补充信息时，你是怎么设计交互和技术实现的？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
6. 如果让你开发一个带TUI界面的交互式视频剪辑工具（MVP版），你会怎么设计分层架构？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
7. AI开发中遇到的难题、解决方案及是否独立开发。
来源：小红书AI全栈开发面经
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
8. 实习中的任务分配、提测上线流程规范。
来源：小红书AI全栈开发面经
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
9. 是否做过iOS/安卓端AI开发。
来源：小红书AI全栈开发面经
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
10. 岗位需处理模糊需求并做多端原型时能否适配，以及竞品参考需求的落地流程。
来源：小红书AI全栈开发面经
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
11. 常刷的算法，DP与贪心的区别，硬币找零两种算法的适用性。
来源：小红书AI全栈开发面经
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
12. AI行程规划产品的痛点及如何结合地图API做路径优化。
来源：小红书AI全栈开发面经
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
13. 平衡课程与实习：可通过制定每日/每周计划，优先完成核心课程任务和实习关键工作，利用课余和周末时间补全剩余内容，同时与学校老师和实习领导及时沟通，灵活调整节奏。
来源：小红书AI全栈开发面经
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
14. 如果你重新设计一个线程池会怎么设计？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
15. 假设你需要开发商汤 AI 模型试验平台，如何设计前后端架构？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
16. ◦ 追问1：你会选择哪些技术栈（React/Vue + Spring Boot/Node.js）？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
17. ◦ 追问2：如何实现前后端数据交互？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
18. 解释 AI 模型在全栈应用中的部署流程，如何实现模型的前端推理？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
19. 在全栈开发中，如何处理用户认证和权限管理？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
20. ◦ 追问1：你会使用哪些认证框架？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
21. ◦ 追问2：如何设计基于角色的访问控制（RBAC）？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
22. 分享一次通过全栈技术优化用户体验的经历，关键改进是什么？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
23. #前端 #大厂前端开发 #前端内推 #前端面试题 #前端岗位 #前端找工作 #前端学习 #AI前端 #前端进阶 #前端架构师
来源：26年前端面试：Newsbreak AI 全栈岗三面
参考答案

参考回答：前端/全栈 AI 岗要证明你不仅会页面，还能把流式输出、任务状态、工具调用、错误恢复和用户确认设计成可用体验。

  • 交互上要展示 agent 当前阶段、下一步动作、工具调用结果、可取消/可重试入口和人工接管，避免用户面对黑盒等待。
  • 全栈实现通常包含前端状态机、后端任务队列、SSE/WebSocket 流式返回、模型/工具网关和 trace 面板。
  • 高风险动作要在 UI 上做 dry-run 摘要和二次确认，参数、影响范围和可回滚性要展示清楚。
  • 设计题建议先列约束和风险，再画模块：入口、状态、工具、模型、数据、权限、评测、监控，最后讲扩展和降级。
项目深挖与履历真实性 · 17 题
1. 请具体介绍 Agent 项目，哪一块最复杂、最有挑战？
来源：淘天ai应用开发一面面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
2. 项目使用 LangGraph，介绍一下核心模块、组件？
来源：淘天ai应用开发一面面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
3. 点评项目 Java 项目是自己从零开发还是基于开源学习改造？
来源：淘天ai应用开发一面面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
4. 大模型 项目线上链路主要使用哪家厂商大模型？
来源：淘天ai应用开发一面面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
5. 说一下你在项目或实习中遇到的最有挑战的一点，你是怎么分析和解决的？
来源：字节AI Agent全栈开发一面（贼难）
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
6. 你在项目中负责的边界是什么？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 说明个人贡献时要区分你设计/实现/推进的部分、团队协作部分和复用开源部分，避免被追问时显得不真实。
7. 作为项目负责人，你怎么制定里程碑、推进跨角色协作、处理项目中的阻塞问题？
来源：字节跳动Agent开发岗二面（贼难）
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 说明个人贡献时要区分你设计/实现/推进的部分、团队协作部分和复用开源部分，避免被追问时显得不真实。
8. 问题包括：介绍实习经历及如何平衡课程与实习。
来源：小红书AI全栈开发面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
9. 若再实习两个月会优化项目的哪些地方。
来源：小红书AI全栈开发面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
10. 开发类型与发展方向：根据个人经历选择（如后端开发、AI应用#小红书校招 #互联网大厂实习 #互联网大厂 #面经 #全栈开发
来源：小红书AI全栈开发面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
11. 项目是网上找的还是什么？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
12. 项目中挑战最大的是什么？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
13. mysql的undolog，redolog，binlog区别和场景？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
14. 22 项目拷打 mysql的索引结构 如何实现范围查询 索引最左匹配 如何判断索引是否生效（explain） redis的数据存储结构 自己使用ai工具开发的流程 可实习的时间 路径总和 II 反问： 如果面试上这个岗位该提高哪些方面的技能快速适应团队 在ai时代下普通开发者更应该注重什么技能 二面
来源：字节ai全栈面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 说明个人贡献时要区分你设计/实现/推进的部分、团队协作部分和复用开源部分，避免被追问时显得不真实。
15. 26 实习经历拷打（不知道为什么翻到我旧版有夸大的简历，然后硬着头皮说了一下优化流程，最后诚实说这块具体不是我负责） 项目拷打（明显感觉比一面深） rag 和普通关键字检索的区别（自己延展到了rag的局限性） 针对实习里的ai社区评论树怎么做上下文管理（提到了滑动窗口，自己想了一个保留关键字的） mysql的事务隔离机制 脏读，不可重复读，幻读分别是什么 RR是否能解决幻读 如何针对慢sql优化 redis的击穿穿透雪崩分别是什么，有什么解决办法 做题的时候问了一下如何通过ai学习，怎么判断ai是否正确 题：删除链表倒数第n个节点（可惜没想到快慢指针） 反问： 团队对ai coding的使用倾向是什么 实习生会负责哪方面的内容 已挂 #互联网大厂 #面经 #面试求职
来源：字节ai全栈面经
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 说明个人贡献时要区分你设计/实现/推进的部分、团队协作部分和复用开源部分，避免被追问时显得不真实。
16. 描述一次独立完成全栈项目的经历，前端和后端分别遇到什么挑战？
来源：商汤科技｜AI 全栈工程师面试
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
17. 三轮技术面，本来以为一面要做题，但是因为项目问题就问得比较久，聊了将近一个小时，所以就没有做题 整体的感受是，大概是因为我这边的项目经验比较多，所以集中在问怎么解决实际项目中的痛点难点。另外就是对数据指标如何定义，如何提升比较感兴趣，基本上是没怎么问八股 有一个问题稍微有点卡住，就是根据实际业务线情况做了哪些优化，想了一下勉强给了答案 #agent开发 #互联网大厂 #大厂 #面经 #前端 #全栈
来源：阿里云AI全栈开发面经分享
参考答案

参考回答：项目深挖要用 STAR + 架构复盘讲：业务目标、你的责任边界、关键难点、技术选型、指标结果和失败复盘。

  • 不要只说“用了 LangChain/LangGraph”，要画出链路：用户输入、路由、检索/工具、模型、状态、评测、监控和降级。
  • 复杂点要落到一个具体问题，例如参数抽取不稳、工具误调用、RAG 召回差、循环、成本高、延迟高或线上 badcase 定位。
  • 结果最好量化：成功率、召回率、人工接管率、P95 延迟、QPS、成本、覆盖率或用户反馈改善。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
其他/综合问题 · 12 题
1. 你是怎么解决的？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
  • 回答挑战题时建议按“问题现象 → 根因定位 → 方案对比 → 最终实现 → 指标变化 → 复盘不足”来讲。
2. 分别对应哪几个功能？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
3. 查课表 / 空闲教室是否需要对接校内课程、教室原始接口？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
4. 原始语料还是标签片段？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
5. 固定长度切片截断语句有问题吗？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
6. 分别作用是什么？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
7. 不动基础模型、不微调，模型不按格式输出、乱加戏幻觉，有什么优化方案？
来源：淘天ai应用开发一面面经
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
8. 能把需求翻译成 AI 流程的人 ​
来源：大模型应用开发面试都问些什么？
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
9. 出现幻觉怎么处理？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
10. 怎么把class文件加载到jvm中？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
11. 什么是两阶段提交？
来源：字节跳动ai应用开发一面已过
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。
12. DeepSeek 的用人原则是，让新人直接承担最核心、最重要的任务。在这里，许多同学迅速成长为行业顶尖人才，成为推动 AGI 发展的中坚力量。 当今人类正处于 AGI 的前夜。 加入 DeepSeek，亲历 AGI 的发展进程， 坐在时代前排，见证一个新纪元的诞生。 随着技术演进，我们正努力将所有部门的规模扩大至少一倍，空缺岗位如图中所示。所有岗位均接受实习。 我们从来不寻找天才。 只要你有自身闪亮发光的地方，你就是我们要寻找的人。 欢迎加入 DeepSeek， 一起照亮未至之境。 #deepseek
来源：DeepSeek 寻找闪亮发光的你
参考答案

参考回答：先确认问题边界，再给出工程化方案、关键取舍、失败模式和验证方法。

  • 面试回答应包含：背景假设、核心设计、为什么这么选、风险与降级、如何评测。
  • 如果问题来自你的项目，务必结合真实链路和指标，不要停留在概念层。

高热/高相关来源笔记

#标题作者赞/藏/评日期命中关键词
1MCP幼儿园级教程，让你的AI自己干活！秋芝20462.3万 / 2.3万 / 2822025-04-13MCP 面试
2DeepSeek 寻找闪亮发光的你DeepSeek1.2万 / 4787 / 19172026-06-25AI Agent 岗位 要求
3Agent 才 1 岁多，市场已经要求 5 年以上经liss说3592 / 1362 / 5122026-04-05AI Agent 岗位 要求
4腾讯 ai 应用开发 一面逸3563 / 6618 / 1322026-04-11AI Agent 开发 面试
5淘天ai应用开发一面面经Leo良辰1962 / 3626 / 772026-04-20AI应用开发 面试
6面试时他一开口，我就知道他很懂AI AgentAI产品赋能者-Echo1919 / 2490 / 1652026-03-26LangChain 面试
7字节跳动Agent开发岗二面（贼难）Java面小猫🐱1752 / 2946 / 312026-05-30agent 开发工程师 面经
8阿里云一面直接ai codingmomo1338 / 1435 / 1942026-04-01AI应用开发 面试
9AI Job Search：量身求职Hiean的AI宝库1100 / 1723 / 152026-06-04AI Agent 岗位 要求
10最近提效最多的一套AI工作流Ayling的设计日记927 / 1344 / 372026-05-18MCP 面试
112026大模型Agent面试全攻略（上）AI实战领航员900 / 1589 / 192026-03-08大模型 agent 面试
12美团｜AI Agent开发工程师面经✅求职青年815 / 1420 / 342025-08-02AI Agent 开发 面试
13字节跳动 ai agent 三轮技术面拿下2-2程序员峰哥679 / 1413 / 202026-05-13AI Agent 开发 面试
1425届 13-24k ai应用开发面试经历分享WaVel柒柒663 / 483 / 252026-03-27AI应用开发 面试
15AI Agent 面试八股文 | 13章全覆盖 2026最我樂苦多🥕625 / 544 / 1322026-02-23agent 开发工程师 面经
16面试题：谈谈RAG已死的看法？算法狗542 / 721 / 382026-05-23RAG Agent 面试
17第一次正式面试 多agent(未通过)头上窝屎484 / 661 / 282026-07-07RAG Agent 面试
18字节Agent面试问RAG架构，我第一句就被打断阿su不在coding483 / 816 / 172026-06-22AI Agent 开发 面试
19大模型应用开发面试都问些什么？Acyg481 / 786 / 502026-03-21大模型应用开发 面试
20LLM&Agent算法面经之八股总结（全）算法小登sfxd432 / 803 / 102026-05-26ai agent 面经
21分享｜英伟达AI Infra五面面经小玖 Allin AI405 / 798 / 312026-07-09AI全栈工程师 面经
22小红书 AI Agent开发一面Offer面试官388 / 759 / 92026-04-05ai agent 面经
23百度 AI Agent开发一面Offer面试官375 / 672 / 132026-04-12AI Agent 开发 面试
24字节跳动ai应用开发一面已过番茄小面351 / 462 / 242026-07-02AI应用开发 面试
252026大模型Agent面试全攻略（下）AI实战领航员295 / 600 / 62026-03-14AI Agent 开发 面试
26AI大模型面试题及答案解析（LangChain)🔥AI大模型知识官288 / 375 / 32024-07-24LangChain 面试
27淘天智能体面试：hermes agent 是怎么...Corgi写代码226 / 382 / 02026-05-18智能体 开发 面试
28某大厂 AI 岗一面面经｜RAG + Agent 方向锦浪159 / 282 / 22026-06-07RAG Agent 面试
29AI Agent 工程师面试题库NootCode151 / 216 / 852026-07-05AI工程师 面试 agent
30字节AI全栈工程师面经（4月最新）曲行悠Man.92 / 117 / 12026-04-13AI全栈工程师 面经
31面试字节大模型应用开发岗，强度已经拉满了jiman291 / 178 / 12025-08-03大模型应用开发 面试
32AIPM面试如何评估你的agent(附真实案例)GeryVood的AI PM日记72 / 113 / 62026-04-15ai agent 面经
33学完RAG、Agent、MCP，面试邀约都拿不到？AI大模型果果姐53 / 81 / 52026-07-08MCP 面试
34字节ai全栈面经君临50 / 70 / 92026-05-26AI全栈工程师 面经
35AI PM面试必考RAG/Agent/MCP,人话版直接背Mia（Nova AI 产品经理面试版）41 / 70 / 02026-07-07MCP 面试
36字节AI Agent全栈开发一面（贼难）大厂唐学长33 / 77 / 12026-07-09AI全栈工程师 面经
3726年前端面试：Newsbreak AI 全栈岗三面代码小迷妹💤29 / 33 / 12026-03-13AI全栈工程师 面经
38月之暗面全栈工程师（AI应用）面经（附答案）前端barby29 / 57 / 12026-06-11AI全栈工程师 面经
39小红书AI全栈开发面经足兆游记23 / 27 / 42026-07-06AI全栈工程师 面经
40大疆 AI全栈开发工程师（前端）面经（附答案）前端barby22 / 31 / 12026-07-05AI全栈工程师 面经
41MiniMax 26年前端岗-AI全栈开发社招面试题代码小迷妹💤19 / 34 / 42026-04-11AI全栈工程师 面经
42商汤科技｜AI 全栈工程师面试哒哒兔求职（战略岗）16 / 30 / 02025-08-02AI全栈工程师 面经
43大模型117天，揭秘大疆的agent开发面试难度硅谷Clark14 / 18 / 92026-07-09大模型应用开发 面试
44阿里云AI全栈开发面经分享电子羊Rikki10 / 12 / 72026-07-05AI全栈工程师 面经
45智谱AI 26年前端开发AI Agent方向社招面试代码小迷妹💤6 / 13 / 22026-05-22AI Agent 开发 面试
46喜马拉雅AI全栈开发面经（4月最新）曲行悠Man.4 / 6 / 02026-04-26AI全栈工程师 面经
47绿联科技AI Agent前端开发工程师面经不高兴3 / 7 / 12026-07-07agent 开发工程师 面经
48某讯AIAgent开发一面高频面试题下班绝不接工单（程序员小林）1 / 4 / 12026-07-09AI Agent 开发 面试

补充：搜索结果中的岗位/面经标题信号 Top 60

#标题作者赞日期关键词
1MCP幼儿园级教程，让你的AI自己干活！秋芝20462.3万2025-04-13MCP 面试
2DeepSeek 寻找闪亮发光的你DeepSeek1.1万2026-06-25AI Agent 岗位 要求
3Agent 才 1 岁多，市场已经要求 5 年以上经liss说35922026-04-05AI Agent 岗位 要求
4腾讯 ai 应用开发 一面逸35632026-04-11AI Agent 开发 面试
5淘天ai应用开发一面面经Leo良辰19622026-04-20AI应用开发 面试
6面试时他一开口，我就知道他很懂AI AgentAI产品赋能者-Echo19192026-03-26LangChain 面试
7字节跳动Agent开发岗二面（贼难）Java面小猫🐱17522026-05-30agent 开发工程师 面经
8阿里云一面直接ai codingmomo13382026-04-01AI应用开发 面试
9AI Job Search：量身求职Hiean的AI宝库11002026-06-04AI Agent 岗位 要求
10最近提效最多的一套AI工作流Ayling的设计日记9272026-05-18MCP 面试
112026大模型Agent面试全攻略（上）AI实战领航员9002026-03-08大模型 agent 面试
12美团｜AI Agent开发工程师面经✅求职青年8152025-08-02AI Agent 开发 面试
13字节跳动 ai agent 三轮技术面拿下2-2程序员峰哥6792026-05-13AI Agent 开发 面试
1425届 13-24k ai应用开发面试经历分享WaVel柒柒6632026-03-27AI应用开发 面试
15AI Agent 面试八股文 | 13章全覆盖 2026最我樂苦多🥕6252026-02-23agent 开发工程师 面经
16哪里招人？这里招人！🐋🐋🐋白墙6122026-05-22AI Agent 岗位 要求
17AI生态团队招募！一同为游戏构建“活世界”米哈游人才引进事务所5512026-06-26AI Agent 岗位 要求
18面试题：谈谈RAG已死的看法？算法狗5422026-05-23RAG Agent 面试
19第一次正式面试 多agent(未通过)头上窝屎4842026-07-07RAG Agent 面试
20字节Agent面试问RAG架构，我第一句就被打断阿su不在coding4832026-06-22AI Agent 开发 面试
21互联网大厂AI岗位全细分阿禾的AI笔记(边学边更)4822026-01-16AI Agent 岗位 要求
22大模型应用开发面试都问些什么？Acyg4812026-03-21大模型应用开发 面试
23腾讯 Agent二面凉经带答案一路向西北4592026-05-31AI Agent 开发 面试
24AI巨头都在抢的岗位：FDEHp-AI宝藏库4582026-05-23AI Agent 岗位 要求
25LLM&Agent算法面经之八股总结（全）算法小登sfxd4322026-05-26ai agent 面经
26分享｜英伟达AI Infra五面面经小玖 Allin AI4032026-07-09AI全栈工程师 面经
27为什么越来越多的人抛弃 MCP，转向 CLI？Offer面试官4022026-04-12MCP 面试
28转行做agent，真的建议先把这些做一遍。阿东玩AI3932026-05-11RAG Agent 面试
29小红书 AI Agent开发一面Offer面试官3882026-04-05ai agent 面经
30百度 AI Agent开发一面Offer面试官3752026-04-12AI Agent 开发 面试
31字节面试官：什么是MCP协议？AgentGuide｜大厂Agent面试指南3572026-03-21MCP 面试
32大模型算法社招面试题总结（持续更新）菠萝芝士堡3552026-03-10大模型应用工程师 面经
33字节跳动ai应用开发一面已过番茄小面3512026-07-02AI应用开发 面试
34算法面经：美团大模型应用算法12.07AI实战领航员3492025-12-07大模型应用工程师 面经
35面试官：Claude Code 不用 RAG ，用 Grep？阿东玩AI3392026-05-28RAG Agent 面试
36一张表看懂5个AI岗位：30+劝退指南星灿说3352026-06-13AI Agent 岗位 要求
37热门赛道外企远程机会：AI Agent建造师Smartdeer远程工作3282025-07-18AI Agent 岗位 要求
38社招复盘（一）sher3242026-01-08大模型应用工程师 面经
39看了几十份 Agent 开发JD，这些能力太重要了是产品呀3082026-04-26AI Agent 岗位 要求
402026大模型Agent面试全攻略（下）AI实战领航员2952026-03-14AI Agent 开发 面试
41AI大模型面试题及答案解析（LangChain)🔥AI大模型知识官2882024-07-24LangChain 面试
42RAG夺命10连问，你能顶住第几问？苏三说技术2782026-04-25RAG Agent 面试
4331岁已婚未孕｜7年前端靠AI转全栈，我真的翻年糕喵程序员2742026-04-10AI全栈工程师 面经
44面了个无经验空窗期的AI开发，太绝了🥳AI践行者-老颂2602025-12-19AI应用开发 面试
45我已绝望我已崩溃，字节ai大模型怎么这么难一分萌九分坏2462026-06-22大模型应用工程师 面经
46懂车帝 ai Agent 开发一面逸2372026-04-10AI Agent 开发 面试
47小红书 AI Agent开发 一面凉经星星爱小小2342025-10-11AI Agent 开发 面试
48如何设计一套完整的 Agent评测体系？AI产品经理点点2312026-06-28ai agent 面经
49淘天智能体面试：hermes agent 是怎么...Corgi写代码2262026-05-18智能体 开发 面试
50抓了Boss直聘几十个Agent开发岗分析结果Limbo.py 也做AI2182026-04-03AI Agent 开发 面试
51后端要掌握的 AI 八股：Harness 及面试题程序员流年2152026-06-14AI Agent 开发 面试
52一张图讲清楚大模型训练全流程Smartpig1812026-05-16大模型应用开发 面试
53字节Agent开发一面（90分钟嘴巴起沫版）阿泽Agent星球1712026-07-03agent 开发工程师 面经
54DeepSeek急招Agent方向！一口气放17个岗位量子位1712026-03-25AI Agent 岗位 要求
55太累了，deepseek agent开发岗位面试分享不爱算法的老杨1692026-07-08AI Agent 开发 面试
56某大厂 AI 岗一面面经｜RAG + Agent 方向锦浪1592026-06-07RAG Agent 面试
57AI Agent 工程师面试题库NootCode1512026-07-05AI工程师 面试 agent
58京东三面：CLI会取代MCP吗，说说你的看法。算法狗1312026-06-19MCP 面试
59LangChain核心三组件拆解——看完就能上手AI产品赵哥1172025-12-15LangChain 面试
60Java学弟挑战AI开发面试，紧张到汗流浃背程序员鱼皮1152025-09-11AI应用开发 面试

备考路线建议

  1. 准备一个可深挖 Agent 项目：画出链路图，明确主 Agent/子 Agent/Workflow、工具、状态、记忆、评测、异常降级。
  2. 把 RAG 和记忆讲工程化：切分、embedding、召回、rerank、向量库 vs 结构化存储、短期/长期记忆、数据更新与评测。
  3. 准备 MCP/工具调用实战：自然语言到参数、schema、权限、安全、超时重试、工具选择、工具失败后的降级。
  4. 准备评测闭环：离线 golden set、抽检、badcase taxonomy、链路 trace、A/B、prompt regression、SFT/换模型/调参决策。
  5. 补齐基础：Transformer/Self-Attention/API 参数，Python/Java 并发与工程测试，vLLM/KV Cache/吞吐优化。
原始数据目录：~/AI_outputs/ai_agent_interview_xhs/raw/。注：小红书页面存在登录与风控限制；本报告保留了抓取到的 URL、标题、互动数据和正文题目，便于复核。