Q1：你会如何设计 Agent 的停⽌条件？答案：组合使⽤：模型声明 finish、任务清单全部完成、达到步数/预算上限、超时、连续⽆进展检测、外部成功信号（如测试通过）。⽣产环境必须有 硬上限 防⽌死循环。Q2：⼯具描述（tool description）为什么⾮常重要？答案：模型靠描述做 ⼯具选择；描述不清会导致 选错⼯具、参数幻觉。好的描述包含：何时⽤、何时不⽤、参数含义、错误示例、返回格式。Q3：Memory ⽤向量库就够了吗？答案：不够。向量检索擅⻓相似度，但弱于精确约束与关系推理。⼯程上常⻅ 向量 + 关键词/结构化库 + 图谱（按需），并维护 元数据与权限。Q4：多 Agent ...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

1. 自我介绍2. 如何在工程上实现兜底机制？具体到代码层面怎么做？答案：兜底机制不能只写一句“失败后重试”，要按失败类型分层。模型层可能超时、限流、返回格式错误；检索层可能无结果、召回低相关；工具层可能参数错误、权限失败、下游服务不可用；生成层可能答案无引用或不符合 schema。不同错误要有不同兜底，不能统一重跑。工程上我一般会做三层兜底：第一层是重试，比如超时、临时网络错误可以指数退避重试；第二层是降级，比如大模型失败就切小模型，rerank 失败就用召回分数排序；第三层是安全返回，比如证据不足就拒答，工具失败就返回部分结果和失败原因。对于有副作用的工具，不能盲目重试，必须加幂等 key...