腾讯-IEG-开发 实习面经

给我面没招了，发点面经攒攒人品～Q1：你的 Agent 具备上下文记忆功能，基于 ReAct 模式，目前实际运行中最多能支持多少轮对话？Q2：在 ReAct 模式下，Agent 需要频繁调用工具。考虑到不同大模型（如 Kimi 支持 20 万+ token，DeepSeek 支持 10 万+ token）的上下文窗口限制，您在执行过程中是否遇到过因工具调用次数过多（N 次）导致 Token 超出限制（撑爆上下文）的情况？如果有，是如何处理的？Q3：在问答类场景中，如果 Agent 陷入死循环（例如反复搜索不到内容，不断重复“查看文件 - 搜索文件”的操作），有什么机制来检测并处理这种异常情况？Q4：项目基于 MCP 协议集成了服务器资源查询、数据操作和校内文档检索，为什么没有考虑集成外部互联网资源的检索能力？Q5：像 Codex 这类代码模型，其内部显然不是基于向量检索的。您是否研究或思考过 Codex 内部的文件检索策略是如何实现的？Q6：目前 OpenClaw 比较热门，您是否阅读过相关源码或研究过其技术实现？Q7：您提到了“服务器辅助开发”功能，是基于 Plan-Execute-RePlan 的方式实现的。能否详细讲解一下这一功能的具体实现逻辑？

面试官背景为 NTU 博士、传统控制出身，问询极细，按项目维度拆解如下： 1. 强化学习规划项目  数据获取： 仿真数据集是如何获得的？ 算法鲁棒性： 是否会出现陷入局部最优的情况（如死胡同无法脱困）？ 仿真建模： Gazebo 仿真中为什么要选择使用差动模型（Differential Model）？  2. VLN（视觉语言导航）项目  技术实现： 三维重映射（3D Remapping）的具体实现方案。 性能评估： 实际运行效果如何？ 实机部署： 模型是否支持在真实机器人硬件上运行？如果可以，推理/运行速度表现如何？  3. 机器人操作项目  全身控制（WBC）： WBC 具体实现了哪些任务...

稳稳的寄了。Q：你的 Agent 具备上下文记忆功能，基于 ReAct 模式，目前实际运行中最多能支持多少轮对话？Q：在 ReAct 模式下，Agent 需要频繁调用工具。考虑到不同大模型（如 Kimi 支持 20 万+ token，DeepSeek 支持 10 万+ token）的上下文窗口限制，您在执行过程中是否遇到过因工具调用次数过多（N 次）导致 Token 超出限制（撑爆上下文）的情况？如果有，是如何处理的？Q：在问答类场景中，如果 Agent 陷入死循环（例如反复搜索不到内容，不断重复“查看文件 - 搜索文件”的操作），有什么机制来检测并处理这种异常情况？Q：项目基于 MCP 协议集成了服务器资源查询、数据操作和校内文档检索，为什么没有考虑集成外部互联网资源的检索能力？Q：像 Codex 这类代码模型，其内部显然不是基于向量检索的。您是否研究或思考过 Codex 内部的文件检索策略是如何实现的？Q：目前 OpenClaw 比较热门，您是否阅读过相关源码或研究过其技术实现？Q：您提到了“服务器辅助开发”功能，是基于 Plan-Execute-RePlan 的方式实现的。能否详细讲解一下这一功能的具体实现逻辑？Q：你实现的“Plan-Execute-RePlan”流程与 Minus 这种有什么区别？

1. 自我介绍2. 实习介绍3. 智力题，代码题但是不需要写代码，只讲思路：一个m*n的网格地图，A在左下角，每秒只能以均等概率向上/右移动一格，B在右上角，每秒向左/下移动一格，问：1. 两人有没有可能在某一秒停留在同一个格子2. 这些可能相遇的格子应该满足什么条件3. 在这些格子相遇的概率4. AI使用智力题全程几乎被牵着引导才答出来，🐀智力为0反问表现，说表达能力很好，AI使用很有经验