Agent面试会问什么？

面试1h左右RAG 架构与检索流程1、为什么引入父子索引?2、为什么在检索阶段引入BM25?(追问)BM25和向量检索是怎样组合的?比例是如何设置的?(追问)整体检索流程是怎样的?从query 到最 终上下文的完整流程是什么?(追问)检索阶段有没有做rerank?使用的是什 么方式?Rerank 与检索结果处理1、rerank后一般返回几个块?(追问)为什么选择这个数量?有没有做过验证?2、rerank后的topK截断是怎么做的?(追问)为什么是这个值?有没有尝试过其他策略?(追问)如果上下文长度不够或过长,你是怎么处理的?上下文工程与记忆机制1、讲一下上下文工程是怎么设计的。(追问)上下文拼接的结构是怎样的?(追问)如何避免上下文过长导致模型性能下降?2、记忆机制是怎么做的?(追问)短期记忆和长期记忆是如何区分和存储 的?(追问)记忆更新策略是什么?Agent设计与工具调用1、Function Calling 是怎么设计的?2、Agent的任务规划是怎么做的?(追问)规划是由模型完成还是通过规则实现?(追问)多工具调用时如何决定调用顺序?(追问)如果工具调用失败如何处理?安全与防护机制1、Prompt注入攻击如何防御?(追问)有没有做输入过滤或规则校验?2、工具调用的安全控制是怎么实现的?(追问)如何限制模型调用敏感接口?(追问)是否有权限控制或白名单机制?限流与系统设计1、讲一下分布式令牌桶限流。2、漏桶算法是什么?3、滑动窗口算法是怎么实现的?(追问)如果使用滑动窗口，结构体中会包含哪些字段?4、滑动窗口和令牌桶相比有什么区别?(追问)如果用Redis实现限流，会使用什么数据结构?基础算法与数据结构1、布隆过滤器讲一下。(追问)会出现什么问题?(追问)如何控制误判率?数据库与索引1、数据库索引失效的情况有哪些?2、like查询会不会导致索引失效?(追问)哪些写法会导致索引无法命中?RAG 评测与数据集1、RAG系统如何评测?2、有哪些评测维度?(追问)常见的指标有哪些?3、评测数据集一般包括哪些内容?(追问)如何构建高质量评测数据?RAG 优化与效果提升1、如果要提升相关度,你会怎么做?2、如果要优化回答效果,有哪些思路?(追问)是优化检索阶段还是生成阶段?(追问)如何验证优化是否有效?系统设计题1、如果设计一个数据处理场景，比如有一千条数据需要求和，你会如何设计处理流程?(追问)如果数据规模扩大到百万级怎么处理?(追问)如何保证计算效率和稳定性?RAG 性能优化1、RAG的性能如何提升?(追问)是从检索、模型还是系统架构优化?(追问)有没有做缓存或并行优化?上下文优化1、当前的上下文是如何处理的?(追问)有哪些优化思路?(追问)如何减少无关上下文对模型的干扰?

一、核心概念与架构篇Q1：请简述Agent的基本架构组成，并解释其与传统LLM Chain的区别。回答要点：Agent = LLM + 规划(Planning) + 记忆(Memory) + 工具使用(Tool Use)。区别：Chain是预定义的、线性的硬编码工作流。Agent具备“自主性”，它根据目标自发决定执行路径，通过推理循环（Reasoning Loop）不断调整策略。Q2：解释ReAct模式的工作原理。回答要点：ReAct (Reasoning + Acting)是Agent的基石。它将“思考”（Thought）和“行动”（Action）结合。LLM先生成一段推理，说明下一步要做什...

其实Agent面试的核心都绕不开大模型理解、工具调用、流程编排还有工程落地这几块，不会太偏理论，更多是看你能不能把技术落到实处。首先肯定会问你对Agent的理解，比如它和普通大模型应用到底不一样在哪，要是说不出自主决策、记忆和工具调用这些关键点，大概率会被觉得底子不扎实。还会聊到主流的框架，比如LangChain或者LlamaIndex，问你用过没有，各自有什么优缺点，踩过哪些坑。然后技术层面会盯着工具调用和RAG这两个核心。比如怎么让Agent精准选对工具，调用失败了该怎么处理，会不会加重试机制或者异常兜底。RAG也是必聊的，比如它在Agent里能解决什么问题，怎么提升检索的准确率，用过哪些向量数据库，这些都得结合实际的使用经验说，光背概念可不行。还有记忆模块，短期记忆和长期记忆的区别，怎么存怎么取，这些细节也会被问到。作为Java工程师，面试官肯定会更关注你怎么把Agent和业务系统结合起来。比如怎么用Java调用大模型API，怎么对接公司现有的接口让Agent拥有实际业务能力，甚至会问你怎么解决大模型调用的延迟和限额问题，比如缓存、异步处理这些实际的优化手段。幻觉问题也是绕不开的，得说说你平时怎么通过事实校验、多轮反思来减少这种情况。项目经验这块特别重要，哪怕没做过正式项目，自己搭的Demo也能说。比如做过知识库问答Agent，或者代码调试助手，得讲清楚核心流程，遇到过什么难题，比如工具调用成功率低，或者检索结果不准，最后是怎么解决的。还会给你出一些实际场景题，比如让你设计一个电商客服Agent，怎么对接订单和物流系统，得有清晰的思路。偶尔也会有一些开放问题，比如你觉得Agent未来会往哪个方向走，多模态或者行业专用Agent算不算趋势，还有作为Java开发者，转型做Agent开发的优势和挑战是什么，这些问题能看出你有没有自己的思考，不是单纯跟风入行。总的来说，Agent面试不怎么考死记硬背的东西，更看重你对技术的理解和实际动手能力，尤其是怎么把AI和业务结合起来，解决真实问题。

准确来说是什么产品工程师全栈方向刚面完，新鲜出炉，虽然录音了但是实在是连复盘的力气都没有了问题：1.自我介绍2.实习拷打：让我介绍一下实习的技术，数字人怎么看准确度，怎么评估这个业务的时间（初见端倪）接下来开始是项目拷打：1.问我多agent的设计，为什么要用这么多agent而不是把它封装成skills……（答不上来）2.问mcp，skills，agent的区别3.项目遇到的难点（评论区有无好的多agent项目，求一份…我真的不知道是我项目的问题还是…）4.RAG分类有哪几种？（从这里就没懂在问什么）5.RAG项目怎么做召回6.若干后端问题7.索引的类别8.事务隔离的级别9.一个场景题懒得打字了大致回忆就是这样……感觉很多问题都不知道是面试官的问题还是我简历的问题……有没有agent学得好的同学陪我一起探讨一下，或者有好牛友在评论回答一下这些问题吗面完这一场都感觉没有力气面晚上的了

自我介绍 Java 语言基础1、说说 Java 的内存模型？堆和栈的区别是什么？存对象、栈存...2、HashMap的底层实现讲一下?1.7和1.8有什 么区别?3、ConcurrentHashMap呢?它是怎么保证线程安全的?4、线程池的核心参数有哪些?拒绝策略有几种?5、synchronized和ReentrantLock的区别? 什么场景下用哪个?6、Java的动态代理有几种方式?Agent框架？项目深挖Spring 框架1、Spring Boot 的自动装配原理？2、Spring 的 IoC 容器启动流程？Bean 的生命周期是怎样的？3、MySQL 的索引结构是什么？为什么用 B+ 树而不是 B 树或哈希表？4、@Autowired和@Resource的区别？缓存数据存储1、Redis的常用数据类型有哪些?分别适用什么场景?String, Hash, List, Se ...2、Redis的过期策略和内存淘汰机制了解吗?过期策略说了惰性删除和定期 ...3、缓存穿透、缓存击穿、缓存雪崩分别是什么? 怎么解决?4、Redis和MySQL的数据一致性怎么保证?了解哪些方案?5、MySQL的索引结构是什么?为什么用B+树而 不是B树或哈希表?6、慢SQL怎么排查和优化？AI Agent 核心1、了解哪些 Agent 的架构模式？2、Function Calling 的原理是什么？你怎么理解 Tool Use？3、如果大模型返回的 Function Call 参数格式不对怎么办？4、了解 MCP（Model Context Protocol）吗？它和现在框架里的 Tool 注册机制有什么区别？5、有了解过多 Agent 协作吗？比如 Google 的 A2A 协议或者 Multi-Agent 系统的设计模式？算法题1、给定一个整数数组和一个滑动窗口大小 k，返回每个窗口中的最大值。

面试题总结如下：记忆机制： 短期记忆（Context Window）和长期记忆（Vector Database/RAG）怎么配合？工具使用： 怎么让模型知道有哪些工具可用？（Function Calling / JSON Mode）。多智能体协作： 什么时候需要多个 Agent？评估： 怎么知道你的 Agent 好不好用？

深入拷打项目，答出来8成左右。感觉面试官已经想放水了，奈何楼主太菜，代码题没完全撕出来，继续沉淀1. 为什么选择 Spring AI 框架？2. Spring AI 框架的主要优势是什么？3. 如何设计多模型支持架构？4. 多租户环境下模型切换是否支持热更新？切换是否相互独立？5. Agent 的记忆、工具调用、知识库检索等关键组件是如何实现的？6. 系统中的 Agent 包含哪些具体状态？7. 后端 Agent 是否支持多租户同时调用？8. Session 和 User ID 是如何绑定的？9. Agent 工具调用的完整业务流程是怎样的？10. 长期记忆和短期记忆在设计上有什么区别？本质上有什么区别？11. SSE 在前后端是如何交互的？12. 后端以什么数据格式推送流式信息？13. Agent 发生“工具调用”时，SSE 推送的事件结构中通常包含哪些字段？14. MCP的交互流程是怎样的？15. Agent 如何与 MCP Server 连接通信？16. RAG 的主要模式和主要工作流程是怎样的？17. Agent 一般在什么阶段去查询向量知识库？通过什么方式去查询？18. 查询知识库的工具函数，其标准输入和输出是什么？19. Go 语言的 GMP 调度模型是怎样的？20. GMP 模型中的 Machine (M) 代表什么？21. Processor (P) 上的本地队列长度通常是多少？22. 系统如何实现图像识别等多模态功能？23. 为什么不直接使用多模态大模型？24. 在没有前端界面的情况下，本地图片是如何传到后端并进行识别的？25. 对其他主流 AI 框架（如 LangChain）有了解吗？26. 你最熟悉的主力编程语言是什么？27. 手撕 ：两两交换链表中的节点

好难，分享面经攒人品。· 在Agent知识闭环中，如何设计决定哪些信息进入向量数据库（长期记忆）、哪些进入上下文窗口（短期记忆）、哪些直接转化为模型权重的元记忆？· 当对话轮数较多且上下文窗口严重不足时，如何在不丢失初始Attention Sink的前提下保持生成的连贯性？· 详细讲讲你设计的Agent是如何实现的？在“推理-行动”循环中，如何设计来纠正逻辑塌缩或无效工具调用？· MCP与传统Agent Skills的区别是什么？如何实现在多智能体环境中动态发现并注册跨协议工具？· 在电商或导购场景下，用户的请求往往高度模糊，Agent如何精准理解这种需求？· 如何设计一套“主动澄清”决策逻辑？什么情况下Agent应该反问用户，什么情况下应该结合历史画像强行推断？· 针对包含3个以上工具调用且高频请求的任务，通过什么方式可以压低系统整体的端到端延迟？· 如何衡量Agent的Planning能力 vs Hallucination Rate？请列举具体的量化评估指标或自动化评估框架。· 在多Agent协作系统中，不同Agent之间的记忆如何实现隔离与共享？如何避免不同工具间的上下文污染？· Token过长导致的Attention稀释现象为什么会导致Agent的指令遵循能力下降？· 摘要总结往往会丢失关键细节，在长文本Agent中一般怎么处理这一块？· 当候选工具超过100个时，如何设计路由策略？怎么解决检索过程中的召回偏差？· 在Agent多轮对话任务中，标准Attention机制的平方复杂度在工程落地主要引发了哪些问题？· 目前有哪些机制可以缓解模型在上下文对话里的“信息遗忘”现象？当对话轮数很多、上下文窗口不够时，有哪些处理策略？· 为什么在复杂的Agent闭环场景中，仅靠RAG无法彻底解决幻觉问题？模型幻觉在电商这种强事实性场景里怎么治理？这个问题很现实。比如用户咨询某款运动鞋：“这款鞋参加今晚的‘满300减50’活动吗？”如果模型产生幻觉，随口答复，而实际该品牌属于不参加活动的黑名单商家。一旦用户下单后发现没减钱，就会产生大规模的退货和客诉。· 面对模型在Agent执行过程中出现的循环调用或陷入思维死循环问题，有哪些解决方法？· GraphRAG在处理Agent复杂关联查询时的优势在哪里？· 任务执行远大于单次Token限制时，如何设计以支持断点继续生成？· 设计一个智能导购助手Agent？描述其感知、规划、记忆和执行四大模块在分布式架构下的协同逻辑。

常见的面试题：1. 什么是 Agent？它跟直接调 API 有什么区别？2.经常提起的RAG与幻觉，你如何解决大模型胡编乱造的问题3.你用过哪些 Agent 框架？怎么选的？任务简单，普通的 Function Calling 足够；但如果任务涉及复杂的多步推理和人工审批，就需要考虑具备图编排能力的框架4.多轮对话中，Agent 如何记住你五轮之前说过的话？短期记忆通常基于滑动窗口，直接管理对话历史，保证多轮交互不跑偏。而长期记忆则依赖外部向量存储，为 Agent 提供一个可无限扩展的外部“知识库”。5.怎么量化 Agent 的性能？

感觉agent目前很火，但又泡沫很大很多人现在推荐走agent可是又觉得agent没有太高门槛尤其是在模型迭代以后很多agent工程可能很快就没有意义了鉴于这种情况校招 agent 岗位该何去何从呢希望大佬指点一下（实习做了些agent，目前拿了agent和后端的offer，感觉AI coding这么强，普通软件开发被冲击得很大，但是agent也没有啥门槛，感觉走到头了。。。）

1.在设计 AI Agent 长期记忆模块时，你会如何权衡向量数据库检索的成本与召回精度？并简要说明短期记忆与长期记忆在架构上的主要区别。2.许多客户会使用 RPA 实现流程自动化，你认为在哪些具体场景下必须引入 AI Agent，而不是继续使用传统 RPA？两者的核心边界是什么？3.如果让你设计一款面向电商客服的 AI Agent，你会如何定义它的核心成功指标？除响应速度外，还有哪些指标能体现 Agent 的真实问题解决能力？4.当用户反馈 Agent 执行任务结果不准确时，作为产品经理，你如何通过可观测性系统定位问题根源：是 Prompt 问题、模型能力问题，还是工具调用问题？5.结合 Transformer 架构的基本原理，解释为什么在复杂任务拆解中，使用思维链（Chain of Thought）提示技巧通常能提升模型的推理效果。

基础概念：Agent与普通程序的区别？核心组件（规划/记忆/工具/行动）？ReAct、CoT、ToT各是什么？记忆机制：短期记忆（滑动窗口/摘要）vs 长期记忆（向量数据库+检索）。如何更新和遗忘？规划决策：如何拆解复杂任务？规划失败怎么回退？多Agent如何避免冲突？工具调用：怎么让Agent学会新工具？函数调用如何实现？API超时怎么容错？.框架与追踪：LangChain/AutoGen/CrewAI区别？Agent执行轨迹如何调试（LangSmith）？评估优化：成功率、效率、工具准确率怎么测？无限循环、遗忘、过度调用工具如何解决？代码手写：实现一个ReAct循环，或记忆模块伪代码。进阶追问：不用LLM怎么做Agent？如何保证安全？工具返回海量数据如何处理？

一、团队与工作相关你最近这段实习，开发团队规模大概是怎样的？你在工作里会直接面对客户需求吗？二、DeepResearch 项目细节DeepResearch 项目中，你主要负责哪些模块？项目中为何设计 6 个 Agent？每个 Agent 分别负责什么职责？搜索环节具体如何实现？采用的是 Function Calling、MCP 还是 RAG 方案？联网搜索功能是怎么实现的？该模块是否由你主导开发？共享状态 ResearchState 包含哪些核心字段？区分哪些是全局共享内容，哪些是阶段性产物。工作流 Graph 中，节点之间是如何进行路由调度的？三、技术实现与工程能力你做的步骤级 SSE 推送，和普通 Token 流式输出有什么本质差异？若通信中途断连，系统如何实现恢复？Checkpoint 存储为什么选择 PostgreSQL JSONB，而不使用 Redis 或分表存储？RAG 系统中，chunk size 和 top_k 参数的实验是如何具体设计与开展的？测试数据集主要从哪些渠道获取？测试集的量级大概是多少？多模型选型中，为何选择 DeepSeek 和干问？具体的选型标准是什么？“成本优先” 的选型策略是由谁提出的？四、Agent 架构与策略OnCall 项目中，为何对话场景选用 ReAct 模式，运维场景选用 Plan-Execute-Replan 模式？MCP 具体暴露了哪些工具接口？MCP 调用失败，或模型错误调用工具时，系统是如何处理的？五、记忆与项目复盘多轮记忆体系中，短期记忆具体存储哪些内容？参与过的项目中，有没有你最想重构的部分？原因是什么？平时最常用的 AI Coding 工具是什么？

Agent 面试主要围绕大模型智能体展开，基础会问 ReAct、CoT、Agent 架构、记忆模块、工具调用逻辑；工程上常考函数调用、Prompt 优化、幻觉处理、RAG 结合方式；项目面会深挖你做过的 Agent 流程、难点、稳定性优化；场景题多是让你现场设计一个业务 Agent。整体既考理论概念，也看重落地思路，提前准备好项目拆解和常见问题话术，面试会从容很多。

基础理论：什么是AI Agent？与传统AI的核心区别是什么？ 什么是ReAct框架？核心循环（Think-Act-Observe）如何实现？如何为Agent设计高效的动作空间（Action Space）？模型微调、提示工程与Agent算法设计是什么关系？架构与实现：MCP协议，它与A2A协议有什么区别？LangGraph等框架中，如何实现Agent的状态管理与节点级修正反馈？如何为长上下文任务设计Agent的Memory系统？Agent工具调用失败时，有哪些处理策略和降级方案？Agent的性能？线上数据如何回流反馈？

1. 介绍一下项目一，oauth2.1为什么要接入进mcp中2. 项目一中遇到最困难的点是什么3. 做重构的时候是如何使用ai的4. RAG项目二中MySQL和ES数据一致性是怎么做的5. embedding模型是如何选型的6. 手动干预切片是怎么实现的7. 讲解召回重排的策略8. 如何实现多租户隔离9. sse流式输出在用户关闭浏览器的时候就断开了，如何保证中断后还能保持之前输出10. 是否了解k8s11. 对agent的看法12. 讲一下agent中有哪些模式

一上来先是手撕，比较简答，大概做了5分钟。一、多模态 RAG 与检索评估多模态预处理中，图片在 RAG 系统里是如何向量化检索的？多模态预处理环节的技术难点是什么？如何杜绝跨场景召回相似步骤的问题，具体实现方式是什么？介绍评估精度和召回率所采用的框架，以及召回率的具体计算细节。该框架中精度和召回率的计算方式分别是什么，二者的核心区别是什么？能否只关注召回率而不关注精度，原因是什么？二、实习项目与意图识别介绍实习业务方向相关的意图识别模型的实现内容。意图识别模型具体能解决什么问题，结合实例说明模型效果提升的具体表现。实习项目中遇到的三个技术问题里，最难的是哪一个，具体难点是什么？实习项目的数据集是如何构造的？该实习项目的开发周期是多久，开发人员配置如何？三、代码生成项目与模型适配代码生成相关项目的开发目的是什么？该项目与相关经典框架解决的问题是否相同，核心区别是什么？相关经典框架为何不支持 Qwen 系列模型，具体问题是什么？如何让 Qwen 模型正常使用相关工具，具体实现方式是什么？思考模型与非思考模型的输出除标签外，还有哪些核心区别？如何解决 Qwen 思考模型产生错误工具调用、空工具调用的问题？项目中遇到的核心挑战是否与相关经典框架解决的问题一致？该项目是完全自研还是参考相关实现，具体做了哪些内容和思考？四、Agent 记忆体系（长 / 短期记忆）模型多轮对话的历史记录中，长期记忆和短期记忆由谁定义、如何区分？长期记忆和短期记忆的判断主体是谁，判断的指标是什么？长期记忆的维护需要哪些策略或算法，具体如何维护？长期记忆是否需要做处理，是直接保留对话内容还是总结后保存？长期记忆的总结工作由谁实现，总结的触发时机和算法是什么？结合发现的问题和采取的措施，继续介绍项目后续的开发内容和思路。模型调用搜索工具的优化实现效果如何，与未使用工具前的核心区别是什么？项目中状态机的能力具体是如何体现的？大模型如何感知状态机的当前状态？短期记忆的 5 轮对话指原始对话还是整理后的内容，短期记忆如何转化为长期记忆？触发短期记忆转化为长期记忆的条件是什么，如何结合短期记忆和已有长期记忆生长新的期记忆？长期记忆的淘汰算法是否为先进先出，该算法是否存在问题？针对长期记忆先进先出算法的潜在问题，是否有新的优化思路？长期记忆是否一定要淘汰，能否通过检索方式调取而非丢弃，该思路的可行性如何？长期记忆占用模型上下文窗口会导致输出窗口压缩，该问题的优化方向是什么？五、RAG 与代码助手落地项目中 RAG 的作用是什么，其调用时机是怎样的？该代码生成相关项目整体的技术难点是什么？现阶段各类大模型代码助手平台大规模落地使用的最大难点是什么，解决哪个核心问题才能实现规模化应用？如何解决大模型对大代码量项目理解不足、易出错的问题？代码助手在代码检索时，如何高效找到与问题相关的依赖并提供给大模型？现阶段为何少有框架做代码依赖相关的优化工作，核心原因是什么？若要解决代码依赖难以查找、模型无法理解整体代码库的问题，除构建图谱外还有哪些方法？六、模型训练与技术拓展介绍实习过程中做的模型后训练相关工作，具体实现方式是什么？基于 400 条回答不佳的真实数据，如何将其用于模型训练？仅靠 400 条数据难以训练出靠谱模型，如何将数据集扩展到 1 万条，具体的扩展过程是什么？介绍近期看过的技术相关文章，说明其核心内容和解决的问题。该技术框架与其他同类框架（如 Agent 相关框架）的核心区别是什么？介绍毕业论文的研究方向和核心内容。能否立即到岗实习，实习的可到岗时间是怎样的？

如果面试官聚焦 Memory 工程，常问的不是定义，而是怎么落地：短期记忆和长期记忆怎么分层，哪些信息该写入，怎么检索召回，如何防止脏记忆污染结果，以及记忆更新、压缩、遗忘机制怎么设计。能结合真实场景讲清楚，基本就很加分。

面试Agent开发但是缺项目怎么办？不妨来看看这个Github 190 stars 的项目MiniCode是我们借鉴claude code实现的一个轻量级的项目，非常适合agent初学者用于学习/二次开发/简历项目！考虑到大家擅长的语言与偏好各不相同，我们设计了多语言版本，目前TypeScript，Rust，Python均已支持我们在编码时有意借鉴了claude code的设计风格以及保持了轻量级，非常时候学习/二次开发！已支持相当多ClaudeCode的特性，包括mcp&skills的兼容、后台任务等（Rust已支持会话层级的历史记录与恢复……合作者太猛了，比我做的还快），下一步计划把自动上下文压缩以及multi-agent做掉（厚颜求star朋友们）我们还准备了学习文档“通过 MiniCode 你可以学习到 Claude Code 的哪些设计”（或许是本项目最有价值的部分，后续计划升级为网页版本的电子书教程）目前已191stars⭐！长期维护不会跑路～（高频更新阶段，每天都有大量commit）项目网址：https://github.com/LiuMengxuan04/MiniCode项目官网：https://liumengxuan04.github.io/MiniCode/