小红书AI agent一面面经

1️⃣一面（Code Agent 代码生成方向）1. 工程级Code Agent在处理项目上下文、生成代码时会遇到哪些核心挑战？2. 当前主流Agent框架在技术演进上有哪些关键改进方向？3. 如何系统性保障AI生成代码的质量、安全性与可控性？4. 有哪些有效手段可以验证AI生成代码的正确性？5. AI代码生成完成后，是否可以直接上线？还需要经过哪些关键环节的校验与治理？6. AI生成代码的技术在哪些场景下更具落地价值？又存在哪些应用边界？2️⃣二面（Agent应用开发方向）1. 2026年的Agent应用开发，相比往年在技术范式与落地模式上有哪些显著变化？2. 你当前参与的Agent应用开发项目采用的是哪种架构？是否接触过HANAS这类新兴模式？3. 在渐进式披露的架构设计下，是否还需要依赖RAG能力？二者的关系是什么？4. 你开发的Agent应用解决了哪些传统方式难以处理的核心问题？5. 请介绍一下你在Github上参与贡献的开源项目，以及你在其中承担的工作。6. 当初你是如何参与到这个开源项目中的？7. 在Agent开发中，上下文工程最关键的工作是什么？8. 你是否了解Cloud、Open Cloud这类主流Agent框架？它们的核心实现逻辑是什么？9. 你在Agent开发项目中遇到过最棘手的技术难题是什么？10. 你是如何定位并解决这些难题的？这次经历带来了哪些技术沉淀？11. 你后续的职业规划中，更倾向于什么样的岗位和业务方向？12. 你在校的学业水平处于什么水平？身边同学的求职与学习情况如何？13. 你更倾向于在哪个城市工作？为什么？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

自我介绍后直接进入项目深挖，无技术笔试，全程围绕 Agent 工程经验展开。Q1：你为何选用 OpenAI Agents SDK 而非开源框架？出于安全合规考量，开源方案是否更合适？核心考点是框架选型的 trade-off 认知。我说明了 SDK 在 tool 编排稳定性和工程成熟度上的优势，同时承认在企业生产环境中确实应优先评估开源/私有化部署方案，以满足数据不出域要求。面试官对"我知道它的局限"这个态度比较认可。Q2：你遇到过需要人工强制中断 Agent 执行的情况吗？如何处理 Human-in-the-Loop？介绍了关键 tool 执行前插入确认节点、置信度低于阈值...

继续来分享下最近的面经~欢迎友好讨论，信息共享1.项目拷打2.创新点与落地差异拷问：你做的这个 RAG 和传统上的 RAG 有没有什么不同？还是只是基于传统概念做了一个落地实践？3.效果评估与归因分析：目前 RAG 的效果你怎么看？4.失败案例的具体分析：你提到写了一些“小结”导致召回率失败，那个小结会有什么负向作用？5.Embedding 策略拷问：为什么只对标题做 Embedding，而不对段落内容本身做 Embedding？当时的考虑是什么？6.概念辨析 1：提示词工程（Prompt Engineering）和上下文工程（Context Engineering）的区别是什么？7.业界趋势理解：当前比较热的 Skill，这个是什么概念？8.概念辨析 2：Skill 和 Tool / Function Call 的区别是什么？本质在解决什么问题？9.粒度与边界探讨：Skill 能把 Tool 覆盖住吗？就不需要 Tool 了，直接用 Skill 去解，你觉得可以吗？10.底层替代逻辑拷问：Skill 是怎么做到能够去替代 Function Call 的？手撕：- 实现一个非递归的二叉树前序遍历

2026-4-10  快速做自我介绍 为何在实习期间考虑换公司 做从 0 到 1 的事情有哪些经验、技能或能力优势 在校期间是否具备与 AI 协作时的独立判断能力及判断方式 AI 能闭环执行和审核工作时，工程师如何发挥价值、建立壁垒 能否结合具体项目聊聊利用 AI 做事的过程及自身思考 该项目过程中的收获是什么 对 AI 的能力边界是否有清晰认知 日常是否会了解 Spring、Spring Boot、Spring AI 等基础技术栈 能否讲解 Cloud Code 的底层 是否尝试过探索做类似 Cloud Code 的东西 未来的发展方向是什么 AI 越来越强的情况下，人是否不需要掌握技术及如...