AI agent开发二面面经分享-快手

感觉自己好菜、面试很难，还是要多多练习1、实习拷打2、项目相关的问题3、八股a. ThreadLocal怎么使用的+相关的八股b. RPC 和 Http分别有什么用？两者有什么区别c. 知道限流吗？限流怎么做？4、AI相关a. 了解Rag吗？它是干什么的？b. Rag和普通的大模型回答有什么区别？c. Agent 和普通工作流有什么区别？d. 平常怎么用AI Coding的？e. AI Coding生成的代码不是你想要的你怎么办？有什么提效方式

Q1：请⽤你⾃⼰的话定义 LLM Agent，并说明与单次调⽤的差异。答案：LLM Agent 是以⼤语⾔模型为推理核⼼，在 多轮 中与外部环境交互，通过 规划、记忆与⼯具 完成复杂任务的系统。与单次调⽤的差异在于：单次调⽤是 开环⽣成；Agent 是 闭环决策，每步可依据⼯具返回更新状态，直到终⽌条件。追问：若没有外部⼯具，还能叫 Agent 吗？答案：可称为「弱环境」Agent，仅有对话记忆与推理；但仍可有内环多步 CoT 与⾃我验证。⾯试中强调是否存在「⾏动—观察」循环更清晰。Q2：Agent 的记忆⼀般怎么设计？答案：分层设计最常⻅：⼯作记忆（当前轨迹与关键结论）+ 会话记忆（摘要滚动...

项目背景与动机1. 能细节介绍一下你最近的多记忆健康问诊项目吗？（解决了什么问题、你担任什么角色、遇到什么难题）2. 这个项目是实习中做的还是自己开发的？3. 什么触动你去做这个项目？切入的初衷是什么？记忆系统设计1. 用一个例子解释一下你的 Memory 是怎么做的，以及怎么插入上下文的，怎么考虑上下文长度问题的？2. 你结构化信息和文本信息之间如何区分？会不会重复？3. 记忆冲突怎么解决？比如用户前后说了不同的过敏信息？4. 记忆是怎么写入上下文的？上下文从头到尾结构是怎样的？5. 上下文结构是不是：System Prompt + Memory + Tools Result + Conversation 这四个环节？6.上下文超长了怎么办？有没有考虑过上下文压缩？7. 压缩过程中会丢失工具调用历史，导致模型重复调用工具，这个问题怎么解决？RAG 与检索1. 为什么用 RAG 去检索 Memory？为什么用向量这种方式？2. Memory 的检索是分层次的吗？具体怎么设计的？3. 检索中遇到了什么痛点？4. 可观测性 / Trace5. 整个框架是很依赖埋点的，你觉得怎样的结构才能更好地追踪整个 Trace？6. 日志怎么结构化？为什么要这么结构化？7. 跨 Session 是否需要记录日志系统？AI Coding 能力考察给了一道股票买卖题，要求用文字描述问题背景、边界条件，并设计解题思路感想:项目深度不够，答得非常之烂，也是第一次遇到ai coding题，完全懵了，还要继续沉淀

家人们谁懂啊！刷到这个话题我真的要吐槽了。今年春招，我身边至少10个同学，想冲Agent赛道，结果瞎投岗位，不是被挂羊头卖狗肉的岗位骗了，就是投了根本不匹配自己的岗位，浪费了大把时间，最后0offer，还吐槽Agent赛道卷、没机会。真的别再瞎投了！Agent赛道早就不是什么新鲜东西了，岗位细分得明明白白，哪些是真风口、有发展、能学到东西，哪些是坑、纯打杂、没前途，早就清清楚楚。今天我就把这些坑全扒出来，再告诉大家哪些岗位真正值得冲，别再被忽悠了！先盘点Agent赛道最坑的3个岗位，投了就是浪费时间这些岗位，名字里都带着“Agent”，听起来高大上，实则纯纯打杂、没发展、学不到任何东西，应届生...