联想AI agent产品一面（已过）

1️⃣ 基础认知类请用通俗的语言解释什么是 Agent，以及它与传统 AI 工具的核心区别。回答要点：简单来说，Agent 是具备自主能力的智能体，核心是可以独立完成 “理解需求 → 落地执行” 的完整闭环，不需要人一步步下达指令。传统 AI 工具比如翻译，需要你手动复制粘贴、选择语言、点击翻译，每一步都要人操作。而 Agent 只需要你说一句 “把这份英文合同翻译成中文，核对专业术语后导出 PDF 发到我邮箱”，它就能自动识别文件、调用翻译能力、校验内容、调用邮箱发送，全程不用人看管。传统 AI 是 “工具”，Agent 更像 “能自主干活的助手”。2️⃣ 产品设计类在设计 Agent 产品时，你会优先考虑哪些核心能力模块？为什么？回答要点：我会优先聚焦四个核心模块，它们是 Agent 跑通执行闭环的关键：一是目标理解与任务拆解模块，Agent 必须先准确理解需求，并拆成可执行的步骤；二是规划与决策模块，确定执行顺序、优先级以及异常处理逻辑；三是工具调用与执行模块，能够调用多种工具，并对结果做校验和纠错。3️⃣ 技术协同类Agent 涉及大模型、工具链、记忆存储等多种技术栈，你如何与技术团队对齐需求，保证产品顺利落地？回答要点：核心是做好需求拆解、可行性校验和迭代节奏对齐，避免和技术脱节。在需求阶段，我会和技术负责人对齐最小可行方案，把产品目标翻译成清晰的技术语言。4️⃣ 落地经验类在你做过的 Agent 产品中，最大的落地难点是什么？如何解决的？回答要点：我之前做过电商运营类 Agent，最大难点是场景边界模糊，导致出现误操作。比如 “优化商品标题” 这个需求，新品要突出卖点，爆款要侧重关键词，Agent 初期无法区分场景，甚至出现过误改订单状态引发问题的情况。5️⃣ 用户体验类Agent 经常出现理解偏差、执行不到位的问题，你会如何设计来提升用户信任度？回答要点：提升信任的核心是做到可预期、可控制、可纠正。可预期：提前明确能力边界，对模糊需求主动追问，减少理解偏差；可控制：执行过程透明、实时反馈进度，提供暂停 / 撤销功能，高危操作必须二次确认，让用户随时可以干预。

🕐面试时间：60min❓面试问题：前半小时正常问问题，后面ai coding自我介绍实习拷打，发现面试官之前也在那个公司工作过3年，参与过公司平台的创建，然后问我在实习过程中有触及到公司其他的产品或业务吗拷打项目，开发过程中有遇到什么难题，以后想怎么改善工作流和agent的区别，什么时候用哪个一个分布式系统，进程间通信的方式有哪些，哪个是最高效的（我答共享内存最高效,其他的方式还有信道，消息队列kafka，管道通信），如果是跨主机通信呢（我想不出其他的，只能想到消息队列中间件，还有通过http和rpc通信）突然扯到http 和rpc的区别，为什么公司选择rpc，rpc为什么快（没答上来，让面...

自我介绍 问为什么选择这个岗位（主包之前是干研发的），为什么选产品经理经历拷打询问之前的公司的项目产品的定位情况大语言模型（ai）怎么去判断，用什么指标去判断如果设计一个大语言产品需要看什么，怎么设计（他们的产品主要是聊天机器人（语言&文字），可以结合这点来讲）有没有自己搭建过ai模型（开发过ai）的经历（我这里回答的是dify那种接入ai模型自动化工作流）对于进入一个新的陌生项目怎么去进行快速入手一个产品从需求从来到最终上线交付中间的流程有什么英语口语题（一题，问最喜欢用来辅助工作的ai模型是什么）

1. 如果让你设计一个 Agent 的规划器，怎么避免它每一步都重新规划，导致路径震荡？规划器不能每拿到一个 observation 就整体重算，不然很容易出现前一步刚决定检索，后一步又改成总结，再下一步又回去检索，整个执行路径会来回抖动。更稳的做法是把规划分成“全局计划”和“局部调整”两层。全局计划只定义阶段目标，比如信息收集、证据校验、结果生成；局部调整只允许在当前阶段内微调具体动作。另外要给 planner 一个明确的状态表示，比如当前子目标、已完成步骤、失败原因、剩余预算。如果没有状态约束，模型会把每次新 observation 当成全新任务来理解。线上一般还会加“重规划阈值”，只有在...