测试开发 - 博世中国 - 一面（已OC）

1. 推理与执行范式ReAct（必学）：Reasoning → Acting → ObservingCoT（思维链）、Plan&Execute、Reflection（反思）任务拆解、多轮决策、异常处理2. 记忆系统（Memory）短期记忆：对话上下文、会话管理长期记忆：向量数据库（必学）Milvus、Weaviate、FAISS、Chroma、Pinecone记忆归档、遗忘策略、用户画像3. RAG（检索增强生成）（必学）文档切分、Embedding 模型（text-embedding-3、bge、m3e）向量检索、混合检索（关键词 + 语义）重排序（Reranker）、上下文压缩生产级 RAG 优化（准确率、召回率、延迟）4. 工具调用（Tool Use）内置工具：搜索、计算器、代码解释器外部 API：邮件、日历、ERP、爬虫、支付MCP（Model Context Protocol）（2026 标准）工具安全、权限、结果校验5. Agent 框架（至少精通一个）LangChain + LangGraph（主流、工作流 / 循环）LlamaIndex（知识库 / RAG 强）AutoGen / CrewAI（多智能体协作）AutoGPT、MetaGPT、Devika（垂直领域）

攒人品中～ 1. 什么是 AI Agent？它包含哪些核心组件？2. 详细讲解一下 ReAct 框架的原理3. LLM 是如何实现工具调用的？详细讲讲 Function Calling 的底层机制与执行流程4. 如何解决 Agent 工具调用时的“幻觉”（如编造 API、传错参数）？5. 为什么 Agent 经常会陷入“死循环”（Loop）？工程中如何兜底？6.  Agent 中如何实现长文本和长期记忆的管理与检索？7. Agent 的耗时过长，有哪些工程侧和基座侧的优化手段？8. RAG 系统和 Agent 结合的形态（Agentic RAG）与传统 RAG 有何核心区别？9. 当 Agent 需要调用多个工具，或者工具之间存在依赖关系时，调度引擎该如何设计？10. 如果 Agent 对话上下文窗口溢出或出现“记忆遗忘”（Lost in the Middle），该如何处理？11. Agent 在实际生产落地（例如自动化运维 AIOps、智能客服）中遇到的最大痛点是什么？如何解决？12. 什么是 Multi-Agent 系统？13. Agent 复杂任务分解的常用策略是什么？14. 什么是 Self-Reflection机制？在代码生成或故障排查 Agent 中如何应用？15. 如何设计 Agent 的流式输出以提升用户体验，特别是包含工具调用和多次大模型交互时？16. 开源模型的 Function Calling 能力较弱，如何通过微调或 Prompt 提升？18. Agent 的Planning模块有哪些主流的实现方式？（如 Step-by-step 与 Plan-and-execute 的对比）20. Agent 的推理（Reasoning）范式有哪些？（CoT / ToT / GoT 等）21. Agent 的记忆机制有哪些分类？（Short-term / Long-term / Working Memory）23. 在多智能体协同中，如何解决 Agent 之间的冲突或无限争议问题？24. Agent 开发中的系统安全风险有哪些？（如 Prompt Injection、沙箱逃逸、越权执行）如何防范？25. 做 Agent 开发，对底层 LLM 的能力（如指令遵循、长文本解析、结构化输出）有哪些具体要求27. DSPy 是什么？它在 Agent 提示词优化和流程构建上有什么优势？28. 基于强化学习的 Agent与传统基于 Prompt 的 Agent 有何区别？29. 如何让 Agent 具备自我学习或经验沉淀的能力？

给我面没招了，发点面经攒攒人品～1.项目拷打2.你在这个 RAG 系统优化里面，在多阶段 RAG 系统中采用了 BM25 和向量混合检索，然后这个是怎么去设计两者的结合逻辑的？然后混合策略的话具体是如何去提升检索效果的？3.RAG支持 PDF 扫描件和 OCR，然后还有表格结构化的提取，然后在这过程中有没有遇到什么技术难点？4.识别准确率怎么样？5.这个多智能体系统设计里面，然后它的这个 State 管理和Checkpoint分配机制的具体实现方式是什么？怎么去解决对话执行中的状态竞争问题呢？6.怎么样实现 State 全局管理？7.将Choice 接口封装为MCP工具的时候，怎么去设计一个标准化接口？然后遇到有没有遇到过一些兼容性的挑战？8.举了项目里的一个例子，问我出参入参是怎么去定义的？9.大模型在调用这个工具的时候，比如说有 MCP 之前，它的调用的处理流程是什么样子的？10.或者说 MCP 它有哪些缺点或者挑战呢？11.提供的这个 MCP 的结果它是流式的吗？12.这个多agent项目是主子agent的项目吗？13.其中一个功能，然后它的 token 就是一次会话 token 大概有多少？有没有超过上限？14.模型用的哪个？我答Qwen，问我Qwen具体哪个版本15.在子任务过程中啊，如果它的某个子任务失败，比如说数据获取为空，它的这个整个工作流是怎么去重试或者是降级处理的？16.在实现这个流式输出实现的时候，比如说后端用了 FastAPI 和 SSE 来实现中间结果的实时流式输出。然后在这个 Langchain 这种基于图的状态机框架中，是怎么捕获每个 node 的执行结果，然后推送到前端的？17.LangGraph 和Langchain 为什么选择了 LangGraph 没有选择简单的那个 Langchain 呢？18.Checkpoint 的持久化19.对话之后重新连接的话，是怎么能够恢复到之前的那个状态呢？20.对话持久化的话，是存储到哪里的？是存储到内存里面，还是存到硬盘上面去的？21.关于 RAG 的，向量数据库在选择建索引的时候是用了哪种向量数据库？为什么？22.这里面你提到了 RRF 重排序，然后有没有引入什么模型进行精排？

1、为什么决定选用RAG这个技术框架?2、为什么要用向量检索(RAG)?不用其他方式?3、Transformer中Attention的本质是什么?4、SFT的核心流程有哪些，SFT之后常见的Post- Training有哪些?5、如果让你设计一个多轮对话的Agent,你认为纯 Attention结构在处理长时间对话时，会遇到哪些瓶颈?6、什么是RAG，为什么没选向量库?7、现在给你一个RAG系统,你怎么设计一套评估方案来判断它‘好用’?8、你用的切分策略是什么?9、Prompt自动推荐模块用了哪些优化策略?有没有尝试过Prompt压缩或embedding表示的方式?10、在做对齐时，PPO和DPO你更倾向于用哪个? 有什么区别?11、假如一个Agent推理链路包含3个工具+高频请求,系统整体延迟较高,你会如何优化?