面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.项目介绍 + 深挖2.开发你的agent的时候，用的是什么流程？为什么用这个流程？3.开发你的项目agent的时候，有没有借鉴目前各个产品的思路？4.模型和 Agent 的区别是什么？5.本地工具、MCP Tools、Skill 三者的区别？6.为什么已经有了 MCP，Anthropic 不继续做 MCP 而是转向做 Skill 了？7.Skill 里面有没有工具？8.Claude Code 的记忆架构是什么？上下文真的等于记忆吗？9.为什么 Claude Code 不用 RAG 检索代码而是直接用 grep？10.有没有了解过最前沿的记忆设计？11.手撕：实现一个 Skill 系统，完成 Skill 的注册、发现和调用。目录结构为 .agents/skills/ 下每个 Skill 一个子目录，包含 .yaml 配置文件和 scripts/*.js 执行脚本。

1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...

面试官介绍部门业务+自我介绍1.介绍RAG技术2.Harness engineering介绍一下3.Hermes Agent是怎么不断自我纠正自我进化的4.大模型认知和RAG检索冲突怎么解决5.MCP的使用场景6.怎样去设计一个Agent的沙箱机制7.智能客服Agent应该用ReAct还是WorkFlow的设计模式，二者的应用场景8.Agent的局限性9.提示词攻击怎么防护10.平时用的语言是什么11.平时用什么AI 工具12.用过哪些模型，体验怎么样13.有没有了解过多Agent系统14.项目有没有部署，多少人在用AI coding*3，每道题限时15分钟，压力大闷了

1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...