聊聊Agent开发

1、自我介绍2、Agent项目是实习项目还是个人项目？有没有上线？3、拷打实习（10min）4、大模型微调，你的训练数据集是如何构建的？数据量有多大？5、在构建数据集的过程中，遇到了哪些挑战？花了多长时间？6、你之前的实习经历偏后端工程，你未来的职业规划更倾向于纯后端开发，还是希望从事与AI/大模型结合的工作？7、详细讲一下Golang中Channel的概念和作用，它是否是并发安全的？8、Channel和传统的锁（Mutex）在实现并发控制时有什么区别？各自的适用场景是什么？9、讲一下GMP模型10、当P的本地队列为空或者不为空时，它会怎么去调度G（协程）？11、Redis支持哪些数据结构12、为什么Redis的速度这么快13、如何实现一个类似淘宝搜索框的实时商品名称模糊搜索功能？14、实时输入联想与输入完成后点击搜索在技术实现上有什么本质区别？15、实时搜索通常使用什么网络协议（如WebSocket）？你了解或有使用过吗？讲一下16、请详细说明微信扫码登录的完整流程和背后发生的原理17、在微服务架构中，服务发现和负载均衡是如何实现的？18、服务注册中心（如Nacos, Consul）是如何工作的？服务实例如何注册和保活（如通过心跳机制）？19、讲一下Agent中的“长短期记忆”20、什么样的信息应该放在长期记忆，什么样的信息放在短期记忆？21、当对话轮数很多，上下文窗口不足时，有哪些处理策略？（如截断、压缩）22、如果要进行记忆压缩，通常有哪些方法？23、了解过Agent的设计范式吗？有哪些？24、你设计的Agent是怎么实现ReAct模式的？详细讲讲25、手撕：实现一个并发任务处理器：给定一个包含100个任务ID的列表，要求控制最大并发数为3，模拟并发调用某个外部接口（如打印ID）26、反问

总结一下最近面试的 agent 实习面试，包括深信服，anker，minimax，万物云，吉比特整体感觉是：不再考 “你会不会用大模型”，而是考 “你能不能把 Agent 系统跑在真实工程里”。下面把我遇到的高频 Agent 面试题，按模块系统性总结一下，供后来者参考。一、Agent 在学术 / 工程上是如何拆分的？高频问题：Agent 在学术上由哪些部分组成？和普通 LLM 应用有什么区别？二、上下文工程 vs Prompt 工程（几乎必考）高频问题：上下文工程和提示词工程有什么区别？三、如何减少幻觉（Hallucination）高频问题：Agent 如何减少幻觉？在工业场景下怎么做？四、多 Agent / 多异步任务下，如何防止上下文污染？五、RAG 流程（几乎场场都有）六、MCP vs Tool / Function Calling七、工程基础Redis 为什么单线程？HTTPS 握手流程？经典算法（课程表 / 拓扑排序）SFT/PPO/DPO/GRPO 的区别，微调一个大模型的流程是什么样的？

一面问我后端，微服务数据库redis消息队列，计算机网络操作系统八股。二面问我agent，mcp，智能体框架，langgraph，多智能体协作范式，sse，react，function calling，CoT，few-shot，幻觉，记忆管理，rag流程和优化，工作流。三面问我有没有部署过大模型，微调，强化学习，目前垂直落地领域和常用架构等。

1.自我介绍。2.你目前还在实习吗？你参与的实习吗？你参与的 AI 产品主要面向什么问答场景、包含哪些问题类型？3.处理查询文档里的异构数据（如图片）时，具体的处理流程是什么？解析成纯文字后如何进一步加工？这样只返回文字给用户，图片信息不会丢失吗？4.你们是通过人工打标建立图片和文本的对应关系吗？文档量很大的情况下，打标工作能完成吗？5.如何保证大部分图片异构数据解析后回答的正确性？若回答错误，怎么识别问题？后续要验证回答准确性，你有什么方案？6.用于评测的另一个大模型，如何构造问题、分析文字并进行对比？这个大模型的正确率以及模型自我一致性怎么确定？7.你们的模型基于哪些异构图像做增强？模型会不会产生幻觉，生成文档外的内容？8.若用户的问题不在文档里，你们会怎么处理？是调用其他模型吗？大模型回答不了时，会提示用户补充问题吗？用户补充后仍无法解决该怎么办？模型如何判断何时需要让用户补充提问？9.你们有框架编排这些流程吗？用的是什么框架？10.你简历中提到的识别率、检索召回率等指标，怎么理解检索召回率？这些指标具体包含哪些评价项？什么是忠实度？召回率的分子分母是怎么定义的？11.你之前那段实习的具体工作内容是什么？针对设备故障叙述报告这类复杂文本，模型如何理解？是做了相关检测吗？大模型是怎么实现术语解释的？12.请讲一下 LoRA 技术，除了减少参数量，它还有什么优点？你做的 LoRA 相关工作，后续有落地应用吗？13.你写代码主要用 Python 吗？会不会用 Java？了解 Java 的多线程、双亲委派模型以及消息中间件吗？有没有做过 Java 相关项目？14.你用过 LangChain 吗？如何用它解决模型的幻觉问题？若不熟悉 LangChain，还能通过什么方法做 AI 能力增强？15.让你实现一个查询天气的对话 AI 顶层设计，具体步骤是什么？聊天记录最终如何返回给用户？除了文本存储，还有其他方式吗？多模态的具体实现方法是什么？16.天气大模型要关联地理位置信息（如杭州属于中国），该怎么处理？如何对接天气 API？怎么定义 API 调用的相关内容？17.若查询天气后，还要根据天气推荐买伞这类服务，大模型如何按顺序调用多个服务？如果有七八项服务，每个服务的调用逻辑都要单独写吗？18.LangChain 和 LlamaIndex 的区别是什么？19.如何测试这个 AI 系统的技能？它和传统 AI 测试有什么区别？有哪些具体的测试方案？评测数据集该怎么构建？测试具体分哪些步骤，要验证哪些能力？20.要让模型完成“在公司周边奶茶店（如霸王茶姬）订一杯奶茶”的任务，该怎么实现？若调用高德 API 做定位和门店查询、调用外卖平台 API 下单，这两个 API 该怎么对接？编写大模型让它按顺序调用 API，可能会遇到什么问题？怎么解决？21.若高德 API 要求输入经纬度坐标，但大模型产生幻觉输出错误公司坐标，导致门店查询错误，该怎么干预模型？如果模型坚持认为自己的坐标是对的，该怎么处理？定位到问题原因后，又该怎么解决？

被培训班挤爆。现在去B站一搜全是麦克，大厂都没怎么搞明白的东西，现在就开始卖了，果然宇宙的尽头是销售。

bg:双非本985计算机硕。有一定开发经验，研0就开始接触AI基础：AI算法实习生有很多方向，但是基础其实都是一样的，建议大家打好基础、背好八股。机器学习、深度学习、NLP、LLM 。有论文挺加分的，虽然我研一只有一篇很水的文章，但面试官都会问一下。agent:agent概括起来其实就是四个东西:LLM+ Planning+Memory+Function，可以网上找找对应的资料或者学习视频。还推荐看看AndreKarpathy的手撕GPT2，B站可以搜到开发篇:可以选择一门开发语言python、java、typescript等等，这个不是最重要的，我在面试过程中也很少问这个日所以比较推荐python，也是大家最熟悉的不会占用太多时间。可以了解一下常见的agent开发框架:langchain、AutoGPT，比较熟悉前后端的同学可以看看mastra等等Coding:这个不用多说了，直接刷leetcodehot100吧，用python刷。我的面试经历:我准备了大概不到两个月的时间，在BOSS投递15天左右收到了十几家公司的面试，最后进了字节实习。

最近聊了10多个候选人，大部分都是只做过agent_demo，没有量化思路，没有优化思路，就是d ify或者coze搞个简单的workflow，提示词加一个简单RAG。要理论没理论，要实践没数据，这有啥用。

技术栈：Python＋go（有两段后端实习）一面：首先是实习做的项目相关：- 为什么引入父子索引，为什么引入BM25，比例是怎样的，具体流程是什么，有没有rerank- rerank后返回几个块，有没有做一些验证- rerank后的topk截断是怎么做的，为什么是这个值，有没有其他方案- 讲一下上下文工程，记忆是怎么做的- 问实习做的后端项目的问题- 分布式令牌桶限流讲一下，漏桶讲一下，滑动窗口算法限流讲一下，如果用滑动窗口结构体会包含什么字段，滑动窗口和令牌桶相比有什么确定，用redis的什么数据结构实现- 问自己做的项目，lru讲一下- 布隆过滤器讲一下- 索引失效的情况（MySQL八股有点忘了，只讲出来两个，被追问了）- like会不会失效- MySQL事物隔离一致性讲一下- mvcc细说，详细追问，问你这种情况会创造几个readview- MySQL锁讲一下手撕：我说我最近实习，很久没刷过题了，出了一道反转链表二面：全是agent，rag相关的，项目相关的，不涉及后端细问rag项目- 如何评测的，有哪些纬度，那些指标- 数据集包括什么- 如果让你对相关度，回答的效果做一些优化，你有什么思路，有没有什么更体系化的思路建设- 如果设计一个数据处理的场景，你会怎么做，比方说有一千条数据，需要求和，你怎么做处理- rag性能如何提升- 你的上下文怎么处理的，有什么优化思路- 长短记忆之间怎么做协同呢- 你有什么思路去对你的agent做优化，让他更智能呢（我感觉这个问题太泛了 不知道具体在问什么，我回答主要针对工程遇到的问题做优化）手撕： 全排列（a了）反问：可能有三面 or hr面业务是做一些内部agent工具和平台技术栈（Python＋内部框架）

自我介绍 拷打项目你如何设计上下文窗口一个长文档如何进行分析，大模型无法一次传入分大纲写文章时，如何解决上一次写作与这一次写作断层的问题向量搜索的算法语义识别如何确定写入长期记忆中是重要的短期记忆如何选择短期记忆摘要进行压缩，存在损失，如果减少了关键信息，你如何解决如何压缩上下文微调中需要注意的点有哪些有哪些微调方法接口部署的时候，需要注意的地方

实习每天写点mcp tool，搭搭server，langgraph实现一下agent工作流，不知道秋招简历上要怎么样去写，写自己搭了个智能体也不知道怎么描述，而且也没有深度

重邮计算机研二在读，本科双非背景。课题组任务不多，导师佛系，目前打算找日常开发方向实习。自身感觉算法岗难度太高，打算侧重开发方向。传统 Java 后端体系庞大，学习时间成本高，加上现在各厂都在布局 AI，个人觉得学 Java 性价比一般，更倾向大模型应用开发，看好它未来的前景。但最近和就业两年的师兄交流（他在美团某部门做 AI 相关产品经理），他提到目前大厂很少单独设置大模型 or Agent 开发岗，AI 更多是作为程序员的加分项嵌入工作中，现在有点迷茫，纠结是硬啃 Java（个人不太感兴趣）还是深耕大模型方向。目前刚入门，只学了 LangChain 框架，还没上手项目。想请教下牛友，找大模型  or Agent 相关实习需要掌握哪些技能？另外有没有适合写在简历上的项目推荐？

1.拷打项目和实习2.问ai agent的了解3.国内几个agent平台对比4.会不会前端5.介绍了下前段产品实习画的原型图的设计逻辑6.反问:他们现在在做的业务

之前一直走的是前端，后来慢慢对 agent 感兴趣，就开始跟着网上的教程学 RAG、LangChain，也看了一些开源项目。学了一段时间之后，寒假开始投实习，比较幸运，最后顺利去了 深信服做上下文工程相关的实习。这是我第一次真正接触企业级的 agent 系统。最大的感受是： 以前自己做的项目，真的只能算 toy project。真实跑在企业里的智能体，其实一点都不“魔法”。它背后需要大量的中间件、工程化设计和系统架构来兜底，而不是一个 prompt 或一个 demo 就能解决问题。在这个过程中学到了很多之前几乎不会接触的东西，比如 K8s、Pulsar 这种偏基础设施和系统层的技术，也第一次意识到： Agent 落地，拼的不只是模型，而是完整的工程能力。

二本，方向是Java后端，看着当今局势对ai倾向性很高，于是在网上找了个agent项目学习。前后大概了解了rag，mcp，agent等的编码，以及调用关系。但是对于面试提问还是不能很有把握，想请教各位佬有没有资源应对这种agent项目的八股，能否分享渠道或者学习资源？感谢xdm！

双非计算机本科，目标转测开，目前在某 AI 创业公司做 Agent 开发实习生，入职刚满 2 周。今天 mentor 给的分工有点懵 —— 让我负责底层 Tool 模块的开发，主要做工具调用的封装、参数校验和兼容性适配，相当于我完全碰不到 Agent 的核心设计环节。现在有几个问题想请教下大家：这种分工在 Agent 开发实习里正常吗？只做底层 Tool 的工作价值高不高？毕竟我当初接这个实习，就是想攒个完整的 Agent 项目经历写在简历上

有没有已经面试过或者正在从事Agent开发工作的佬，能讲讲agent开发具体是搞什么，用什么语言，什么框架。以后要从事agent开发需要学java后端、springboot、cloud等整套框架吗

简历包装这块，千万别只写“用了LangChain、OpenAI API”。重点写你用Agent解决了什么具体问题。比如：“将XX流程的手动操作时间从平均1小时缩短至5分钟，通过构建自动处理与校验Agent。” 或者“设计多轮对话逻辑，将客服常见问题的一次解决率提升了XX%。” 有数据最好，没数据就讲清楚逻辑。

前端同学怎么入门 Agent？可以玩 LangChain，LlamaIndex 的 JS/TS 版，做个能查资料 + 总结页面的小 Agent不用一上来就搞分布式多智能体，先把单 Agent 跑稳就很强个人体感：Agent 现在还在早期好用的不多逻辑跳步​工具用不对上下文爆掉​ 复杂任务还是拉胯

其实我在CSDN博客看到过一篇类似的文章讲得很透彻，主要内容就是把Agent项目拆解成工具定义、控制策略、决策逻辑、监控反馈四个维度，我自认为这个框架非常实用。