基础概念：Agent与普通程序的区别？核心组件（规划/记忆/工具/行动）？ReAct、CoT、ToT各是什么？记忆机制：短期记忆（滑动窗口/摘要）vs 长期记忆（向量数据库+检索）。如何更新和遗忘？规划决策：如何拆解复杂任务？规划失败怎么回退？多Agent如何避免冲突？工具调用：怎么让Agent学会新工具？函数调用如何实现？API超时怎么容错？.框架与追踪：LangChain/AutoGen/CrewAI区别？Agent执行轨迹如何调试（LangSmith）？评估优化：成功率、效率、工具准确率怎么测？无限循环、遗忘、过度调用工具如何解决？代码手写：实现一个ReAct循环，或记忆模块伪代码。进阶追问：不用LLM怎么做Agent？如何保证安全？工具返回海量数据如何处理？

1.介绍你的agent项目，为什么做？能解决什么问题？有什么收益？2.知识库agent是搭建在哪里，线上？还是线下？3.大模型是如何选型的？4.RAG知识库的搭建流程？5.在RAG系统中，文档分割大小和检索TopK参数的选择是如何确认下来的？6.你的Mutil-Agent是如何协同的？7.有没有做过本地化部署的模型？8.另一个项目拷打...9.反问...总共耗时在25分钟左右

短期没工作会焦虑，但能专心提升自己；长期烂工作才是真痛苦，学不到东西、内耗严重、消磨斗志，还挤占成长时间。没工作是蓄力，烂工作是消耗。实在没选择可以短期过渡，但千万别长期陷在里面。

最近参加了几场大厂的Agent专项面试，我最大的感触是：面试官已经不满足于听你聊怎么写Prompt了，他们更在乎你如何处理“大模型的不可控性”以及多步骤任务中的“工程闭环”。被问到最多的两个底层逻辑容错与自纠错机制：面试官一定会问：“如果Agent调用的工具返回了报错，或者结果不符合预期，你的系统会崩掉吗？”优秀的回答不应该是“重新提问”，而是你如何设计反馈循环。比如，你是否在架构中加入了一个“评价者”角色，专门审视执行结果？或者是否建立了类似于代码调试的Retry逻辑，让Agent能根据错误日志自我修正。记忆存储的“度”：“你是如何处理长对话记忆的？”如果你只说全部塞进上下文，那面试官大概率...