南威软件Java实习面经

很多人简历上写着"熟悉LangChain / AutoGen /主导过Agent项目"，结果聊10分钟，全是API调用和Prompt拼接…01 第一道题：开门见山问「你做的Agent，和一个写了System Prompt的普通Chat接口，本质区别是什么？」× Agent可以调用工具，能执行多步操作，更智能……✅Chat接口每次都是无状态的单轮推理。Agent的核心是「感知—规划—行动」的闭环，它能在执行过程中根据环境反馈动态调整下一步，而不是一次性输出。最关键的是，Agent具备在不确定性下做决策的能力，而不是单纯的指令执行者。💡面试官在看什么：是否理解ReAct / Plan-and-Execute这类架构的本质，而不是停留在「工具调用」的表面。02 问设计决策，最容易暴露真实水平a、「你设计Agent的Memory模块时，是怎么考虑短期记忆和长期记忆的边界的？」× 用Redis缓存对话历史，向量数据库存长期知识。1. 短期记忆（上下文窗口内）主要解决连贯性，问题是token成本和遗忘；2. 长期记忆（向量检索）解决跨会话的知识复用，问题是检索精度和幻觉风险。3. 我的边界判断依据是：信息的「时效性」和「复用频率」——高频复用且稳定的才进长期记忆，否则会引入噪声。另外我们踩过一个坑过于激进地写入长期记忆，导致Agent检索到矛盾信息后行为不稳定。💡关键词是「踩过的坑」，真正做过的人一定遇到过工程问题，没遇到过的大概率没真做。b、「你的Agent如何处理Tool Call失败？有没有做过任何形式的容错设计？」× 加了try-catch，失败了重试三次。✅分了几个层次：工具层做幂等校验和超时熔断；规划层做Tool失败后的路径重规划（降级到其他工具或人工兜底）；观测层记录每次Tool调用的输入输出，方便追踪。印象最深的是一次搜索Tool批量超时，Agent进入了无限重试循环，之后我们加了最大步数限制和循环检测。💡无限重试循环，这是高频真实故障场景，没上过生产的人不会主动提这个细节。04 这三个回答，无法回答追问会比较减分「我用AutoGen / CrewAI做了一个多Agent系统」× 说不清楚Agent之间的通信机制、任务分配策略、以及为什么要多Agent而不是单Agent。框架名字报得越多，越需要追问。「我们的Agent准确率很高，效果很好」× 说不出评估指标怎么定义的、测试集怎么构建的。"效果好"是结论，不是能力的证明。把所有问题归结为「Prompt不够好」× Agent的问题大多出在架构设计和工程稳定性上。只会调Prompt的人，遇到真正的工程问题就会迷失。05 面试官最喜欢问的一道压轴题「描述一个你认为不适合用Agent来解决的场景，以及你的判断依据。」• 比如用户只需要做单次文本分类，路径固定，没有动态规划的必要用Agent引入的不确定性和延迟远大于收益。• 或者对实时性要求极高的场景，Agent的多步推理本身就是延迟瓶颈。能说出「不该用」的人，比只会说「能用」的人，往往更成熟。💡这道题没有标准答案，考察的是工程判断力，能不能抵制住「凡事都Agent化」的冲动。Agent本身就是在不确定性下工作的系统，开发Agent的工程师，也应该有同样的特质。