一、基础概念类说说你对 Agent 的理解，和传统 LLM 有什么区别？常见的 Agent 架构有哪些？ReAct、Reflexion、Plan-and-Solve 你用过哪些？Tool Calling 原理是什么？怎么保证工具调用稳定？RAG 和 Agent 怎么结合？各自适用什么场景？二、技术实现类你做过的 Agent 项目流程是怎样的？从 0 到 1 怎么搭建？如何做 Prompt 工程优化 Agent 的思考与执行？多轮对话中怎么维护状态、记忆和上下文？遇到模型拒绝执行、幻觉、工具调用失败怎么解决？有没有做过多 Agent 协作？任务如何拆分、调度？向量数据库怎么选？chunk 大小、...

除非你不想要这个offer，因为AI面也是有真人会抽查的。。。 你胡说八道一通，AI当下虽然在迎合你，但回传的AI面试报告里会记录你的缺陷发言，大模型一直在进步，今年AI面给回馈的报告真的很全面详细了，如果大家不想面试的话，可以不参加AI面，也没必要浪费自己的时间瞎说一通

从事技术面试官工作多年，每年面试几十位应届生和初入职场的同学，最近这几年，一个非常明显且令人无奈的趋势，愈发清晰——各位同学的“八股文”背诵能力，已经进化到了令人惊叹的地步。无论是Java集合的底层实现、常见排序算法的时间复杂度与空间复杂度，还是JVM垃圾回收的各种算法、InnoDB的存储结构与事务隔离级别，几乎问什么答什么，甚至有些同学的背诵流畅度，比我们这些天天用这些技术的面试官还要熟练。这看似是好事，却给我的筛选工作带来了极大的困扰：大家的“标准答案”都一样，我总不能在面试评价里写“凭第六感觉得A同学更靠谱，B同学只是纯背诵”吧？这种主观判断既不专业，也对同学们不公平。除了八股文，算法题...