蚂蚁agent暑期一面面经分享

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...

努力拥抱AI中…1.你的AI项目的亮点是什么?2.上下文压缩算法的触发条件3.长任务(执行几天，步骤很多)在你的项目中是怎么做的?4.有了解claudeCode的Hook机制功能知道嘛?解释一下5.装饰器设计模式和代码设计模式6.看过Springboot/Spring的源码嘛?里面用到了哪些设计模式7.mysql的锁有哪些?8.讲一下乐观锁和悲观锁手撕:一道原创题，大致题意:给定一个链表"head={4,2,8}和 一课二叉树 root=Rn{1,4,4,1,2,null,2,null,null,nul1,2,8,2,1,null,null,null,null,8,null,null}(貌似是这样的)判断一下这课树中存不存在一条路径和链表是一样的。

Q1：规划和执⾏要不要拆开两个模型？答案：视任务⽽定。Planner-Executor 拆分可提升可控性（强模型规划、快模型执⾏）；单模型端到端更简单但易在⻓链路漂移。可混合：规划⽤强模型，执⾏层做确定性校验。Q2：如何避免 Agent 在⼯具调⽤间「迷失」？答案：明确 停⽌条件 与 最⼤步数维护 任务清单（todo） 与 当前⼦⽬标对每步输出要求 结构化（JSON）关键步骤 强制验证（单元测试式检查、⼆次 LLM 审核）Q3：结果冲突怎么整合？答案：优先级规则（权威源 > 时间新 > 多源⼀致）、让模型显式输出「冲突说明」、必要时触发⼈⼯。Q4：基于效⽤的 Agent 和基于⽬标...

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.实习拷打2.在你项目的RAG实现中，文本分块(Chunking)策略是如何设计的?遇到过哪些问题，如何调整的?3.如何为你的Agent设计长期记忆和短期记忆?例如，如何存储和检索跨会话的用户偏好?4.在ReAct循环中，Agent有时会陷入无效的"思考-行动"循环。你如何设计机制来检测并跳出这种循环?5.多Agent协作系统有什么了解?如果要设计一个多Agent系统来完成复杂任务，你会考虑哪些架构问题?6.如何保证AIAgent生成内容的安全性(Safety)和可控性(Alignment)?在工程上可以采取哪些措施?7.如果用户的问题非常模糊或存在歧义，你的Agent如何与用户进行澄清性对话?8.描述一次你遇到的Agent最难调试的问题，根本原因是什么，最后是如何解决的?9.当需要为Agent扩展一个新工具(如查询天气、操作数据库)时，你的集成开发流程是怎样的?10.如何对Agent系统进行压力测试?关注哪些性能指标?11.手写算法:模拟一个简单的文本分块函数，给定文本和最大块大小，按句子边界进行分块，避免截断句子。