agent八股从哪看

这段时间看了不少面经，也面了n场，有个感受挺明显的，很多问题表面上看是在问基础，实际上只是一个起手式。你如果只答第一层，后面基本都会被顺着往下拽。我感觉最容易被继续追问的，基本就这4个点。第一是执行过程。就是你这个Agent到底怎么跑起来的。很多人会先说模型、工具、知识库这些，但说完就没了。但面试官更想听的是，这个东西到底怎么动：用户一句话进来以后，先干嘛，后干嘛，什么时候决定去调tool，什么时候继续想和停。只要这块说不顺，后面就很容易被接着问：有没有loop，怎么判断结束，卡住了怎么办。第二是为什么这么拆。这个真的很高频，尤其你项目里只要提到了多Agent、多个tool、多个模块，基本都会被问。你说“因为这样更清晰”“更方便扩展”，一般都不太够。面试官后面大概率会接着问，那为什么不能放一起？拆了之后通信怎么做？成本是不是更高？挂一个会不会全挂？这块挺容易暴露问题的，因为很多时候自己做项目的时候只是“这样做了”，但没认真想过“为什么一定要这样做”。第三是失败怎么处理。这个点也容易继续往下挖。比如前面讲了Tool Calling、自动规划、知识库检索，面试官多半都会顺手问一句：那失败了怎么办？而且这里的失败不只是接口报错，还包括工具调错了、参数填错了、模型开始胡说、检索内容不相关、输出格式不对这种。很多人这时候第一反应就是 retry，但通常面试官还想再听：怎么识别是哪一层出的问题，怎么降级，怎么回退，怎么兜底。第四是怎么让它稳定。我现在感觉Agent面试到后面，几乎都会绕到这件事上。因为“能做”其实不算特别难，难的是“别乱做”。怎么防止它无限循环，怎么限制它调不该调的东西，怎么做状态管理，怎么做评估，怎么知道它到底是好是坏。尤其一旦你前面回答得比较像 demo 视角，后面面试官就很容易把你往线上场景拉，看你有没有想过真正在生产里会发生什么。所以我现在对面试的感觉是，它表面问得很散，今天问你RAG，明天问你Memory，后天问你Multi-Agent，但本质上老是在问同一类问题：这个系统到底是怎么跑的，为什么长这样，出问题怎么办，怎么别让它太飘。

最近在准备和整理 AI Agent 方向的面试内容，顺手看了不少开源教程。其中 Datawhale 的 Hello-Agents 很适合做系统入门。它的定位是《从零开始构建智能体》，内容覆盖智能体基础、ReAct、Plan-and-Solve、低代码平台、Agent 框架、Memory、RAG、上下文工程、MCP/A2A、Agentic RL、评估和综合案例。如果你是第一次系统学 Agent，Hello-Agents 这种路线很完整，适合从概念到代码慢慢补。但我在准备面试时发现，另一个问题更迫切：系统学过 Agent，不等于能在面试里讲清楚 Agent 工程。面试官不会只问你「ReAct 是什...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.Agent项目用什么做的，选型原因，Agent框架了解吗2.Agent技术组成部分理解吗，讲讲执行链路3.Skills的真实逻辑怎么写的，明白和企业的差距吗4.讲讲项目里的难点5.除此之外了解AI的什么？Openclaw,Transformer...八股：1.Redis简介，Redis为什么快2.MySQL索引了解吗，联合索引介绍下，最左匹配前缀举例说明3.Java中ThreadLocal了解吗。怎么使用4.Java中ThreadLocal的内存泄漏问题讲一下5.Java中Synchronized关键字和ReentrantLock关键字区别手撕：（Hot100原题）最长回文子串

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...