准备 AI Agent 面试时，我发现「系统学习」和「面试准备」其实不是一回事

最近在准备和整理 AI Agent 方向的面试内容，顺手看了不少开源教程。

其中 Datawhale 的 Hello-Agents 很适合做系统入门。它的定位是《从零开始构建智能体》，内容覆盖智能体基础、ReAct、Plan-and-Solve、低代码平台、Agent 框架、Memory、RAG、上下文工程、MCP/A2A、Agentic RL、评估和综合案例。

如果你是第一次系统学 Agent，Hello-Agents 这种路线很完整，适合从概念到代码慢慢补。

但我在准备面试时发现，另一个问题更迫切：

系统学过 Agent，不等于能在面试里讲清楚 Agent 工程。

面试官不会只问你「ReAct 是什么」。更常见的是继续追问：

这些问题更像真实工程拷打，而不是教程目录里的知识点。

所以我整理了一个更偏「面试通关」的项目：zero2Agent。

它不是为了替代 Hello-Agents，而是更适合已经知道 Agent 基础、想准备大厂 AI Agent 岗位面试的同学。

Hello-Agents 更适合系统入门，zero2Agent 更适合面试准备

我自己的理解是：

两者的侧重点不太一样。

Hello-Agents 的优势在于学习路径完整，适合建立知识体系。比如你想知道 Agent 是什么、ReAct 怎么实现、LangGraph 怎么用、MCP 是什么、Agentic RL 怎么入门，它是很好的起点。

但如果你的目标是面试，光看系统教程可能还不够。因为面试更在意：

zero2Agent 就是围绕这些点来整理的。

我整理这个项目时，不是按「知识百科」的方式堆内容，而是按面试官可能怎么问来组织。

比如同样是 ReAct：

入门教程通常会讲：

但面试里更可能问：

这就不是背概念能解决的了。

再比如 Tool Calling。

入门教程会告诉你怎么定义一个工具、怎么让模型调用。

面试官可能会追问：

这也是我觉得面试准备需要单独整理的原因。

zero2Agent 的「面试通关」模块目前按 15 个维度整理。

大厂 AI Agent 岗位高频面试题深度拆解，覆盖蚂蚁、阿里、字节、腾讯、携程等真实面试场景。每道题对比"新手答"和"高手答"，15 大考察维度：

架构选型	ReAct vs Plan-and-Execute、ToT 线上化、四种设计范式
工具管理	参数校验、百级工具路由、多工具调度
容错与鲁棒性	超时处理、误操作防范、幻觉治理
记忆与上下文	长对话不丢信息、上下文污染防治
多智能体协作	角色分工、通信机制、冲突仲裁
Prompt 工程	模板分层构建、Skills 可复用能力单元
RAG 与检索	chunk 设计、查询改写、多路召回精排
训练与数据	数据清洗、LoRA vs 全参微调、DPO/PPO/GRPO
AI 代码测试	覆盖率插桩、代码过滤策略
业务 AI 工程	业务需求拆解、AI 方案选型
简历项目拷打	面试官追着你的 Agent 项目问到底
各公司偏好	按公司统计高频考点与面试风格
Agent 概念考察	Harness Engineering、Context Engineering、MCP/Skills 前沿范式