中兴二面面经

发一下问题给大家参考，攒攒人品！1.介绍一下ReAct范式和PlanandExecute范式?这两种范式的应用场景是什么?2.什么情况下用ReAct，什么情况下用PlanandExecute?3.介绍一下Multi-Agent?是如何共享上下文的?子Agent会使用父Agent的所有Context吗?4.场景题:现在需要设计智能客服Agent，根据用户的提问来进行尽可能准确的回答，你觉得该如何设计?需要考虑哪些方面?5.如何避免这个场景下模型的幻觉问题?6.对于这样的Agent服务，电商大促的时候，流量大，有流量尖刺的情况下，如何解决?7.JVM调优时，如何查看内存对象的情况?有了解过开源工具吗?8.SSE和WebSocket的区别?

疯狂汲取文档，开发基本能上手了(借助AI)。mentor说我进度还可以。18点下班。下周应该会分小需求给我做做。

bg：双非本2硕非科班.实习：一段小厂Java实习.tl：3.30开始投简历，到现在有个小厂agent开发2面后没消息，神州数码Agnet开发刚一面完等后续，网易的笔试俩题都没撕出来（第二题想到了图论bfs怎么写忘完了）.现在焦虑的要死

我最近把AI Agent面经从0到1全部梳了一遍（含字节、阿里、腾讯真实面试），发现面试官真正想听的根本不是定义。很多人（包括苯人一开始）以为Agent面试就是背ReAct、背Tool Calling、背LangChain，结果一开口就被面试官打断：“这些我都知道，你说说你的设计思路。”我问懵过两次后才醒悟，Agent面试不是八股，是体系考察。下面这3个问题，几乎是每场面经中必问，🐮友们看看自己会不会踩坑。1.如果你做一个Agent，遇到工具调用失败或者LLM幻觉怎么办？我当时直接答“加retry”或“加human in the loop”，秒挂后面问claude，面试官想听的是完整容错体系：- 怎么判断是工具错还是LLM幻觉？- 用另一个LLM做fact-check / self-consistency- 降级到弱Agent / 规则引擎 / 人工兜底- 失败后状态怎么回滚？- 生产环境怎么监控Agent健康度2. Agent的Memory你怎么设计？大多数人（和我一样会说短期用ConversationBuffer，长期用向量数据库，直接寄。面试官想听的是分层记忆体系 + 读写策略：- Working Memory（当前任务上下文）- Episodic Memory（历史任务轨迹）- Semantic Memory（领域知识）- 什么时候用向量检索？什么时候用Graph？- 遗忘机制怎么做？（重要性评分 + 定期压缩）- 多Agent共享Memory时的读写锁和一致性问题3.单Agent和Multi-Agent你什么时候选哪个？怎么协作？”如果直接说任务复杂就用Multi基本凉。真正要讲的是决策框架：- 任务可分解性、通信成本、调试难度、单点故障风险- 协作模式（Hierarchical / Decentralized / Mixture-of-Agents）- 协调机制（Shared State / Message Queue / Supervisor）- 实际项目里Multi-Agent带来的收益和踩过的坑