9本大三 边投边找 OR all in下一段

40min左右，发点面经攒攒人品1.深挖项目，具体实现细节，整个流程的设计2.对于实习项目中的实践有哪些可以缺陷和优化的点3.对大模型进行提问时有没有它的输出不符合指令的现象，是怎么解决的，举具体的例子4.有没有接触什么前沿的agent，说了openclaw，但是底层逻辑还没看5.claude code的memory三层逻辑设计，为什么这么设计6.有没有用过ai编程工具7.cursor如果上下文过长有没有性能下降的现象

发点面经攒攒人品～1.论文拷打2.拷打实习3.拷打第一个项目：MinerU解析出的结果是Markdown，相比纯文本，Markdown的层级结构对检索有什么好处？在你的流程中，VLM是在检索阶段参与，还是只在最后生成答案时参与？Ragas评测中，如果Faithfulness得分低，说明模型出现了什么问题？4.拷打第二个项目：在LangGraph中，Node和Edge分别代表业务流中的什么？长短期记忆在实现上有什么区别？短期记忆通常存在哪里？Agent是如何识别并选择正确工具的？是基于工具的名称还是功能描述？5.讲一下向量检索和关键词检索各自的优缺点6.为什么RAG比直接问大模型更能减少事实性错误？7.如果原始文档被修改了，如何保证向量数据库里的索引同步更新？8.什么是Query Rewrite？能解决用户提问中的什么问题？9.Temperature参数调高和调低，分别会对模型的输出产生什么影响？10.讲讲CoT的原理？为什么它能让模型处理复杂任务？11.在Agent执行任务时，Thought、Action和Observation三者如何循环？12.当对话长度超过模型上下文窗口时，处理方法有哪些？13.模型在进行工具调用时，输出的是直接的结果，还是一个包含参数的 JSON 字符串？14.系统提示词和用户提示词在Agent约束力上有什么区别？15.讲一下什么是HNSW索引？为什么比暴力搜索快？16.讨论了一下OpenClaw17.在开发Agent应用时，你怎么判断一个任务该用7B的小模型还是70B的大模型？18.如果你发现Agent总是重复执行同一个错误的工具调用，你从哪个环节修复？

三月中下旬投开投只有腾讯约面今年好多都是AI开发岗位，之前两个都是烂大街的java项目，急忙加了一个agent项目，求大佬们拷打约不到面真的是项目问题吗bg双非本+上海211

我最近把AI Agent面经从0到1全部梳了一遍（含字节、阿里、腾讯真实面试），发现面试官真正想听的根本不是定义。很多人（包括苯人一开始）以为Agent面试就是背ReAct、背Tool Calling、背LangChain，结果一开口就被面试官打断：“这些我都知道，你说说你的设计思路。”我问懵过两次后才醒悟，Agent面试不是八股，是体系考察。下面这3个问题，几乎是每场面经中必问，🐮友们看看自己会不会踩坑。1.如果你做一个Agent，遇到工具调用失败或者LLM幻觉怎么办？我当时直接答“加retry”或“加human in the loop”，秒挂后面问claude，面试官想听的是完整容错体系：- 怎么判断是工具错还是LLM幻觉？- 用另一个LLM做fact-check / self-consistency- 降级到弱Agent / 规则引擎 / 人工兜底- 失败后状态怎么回滚？- 生产环境怎么监控Agent健康度2. Agent的Memory你怎么设计？大多数人（和我一样会说短期用ConversationBuffer，长期用向量数据库，直接寄。面试官想听的是分层记忆体系 + 读写策略：- Working Memory（当前任务上下文）- Episodic Memory（历史任务轨迹）- Semantic Memory（领域知识）- 什么时候用向量检索？什么时候用Graph？- 遗忘机制怎么做？（重要性评分 + 定期压缩）- 多Agent共享Memory时的读写锁和一致性问题3.单Agent和Multi-Agent你什么时候选哪个？怎么协作？”如果直接说任务复杂就用Multi基本凉。真正要讲的是决策框架：- 任务可分解性、通信成本、调试难度、单点故障风险- 协作模式（Hierarchical / Decentralized / Mixture-of-Agents）- 协调机制（Shared State / Message Queue / Supervisor）- 实际项目里Multi-Agent带来的收益和踩过的坑