总结一下最近面试的 agent 实习面试，包括深信服，anker，minimax，万物云，吉比特整体感觉是：不再考 “你会不会用大模型”，而是考 “你能不能把 Agent 系统跑在真实工程里”。下面把我遇到的高频 Agent 面试题，按模块系统性总结一下，供后来者参考。一、Agent 在学术 / 工程上是如何拆分的？高频问题：Agent 在学术上由哪些部分组成？和普通 LLM 应用有什么区别？二、上下文工程 vs Prompt 工程（几乎必考）高频问题：上下文工程和提示词工程有什么区别？三、如何减少幻觉（Hallucination）高频问题：Agent 如何减少幻觉？在工业场景下怎么做？四、多 Agent / 多异步任务下，如何防止上下文污染？五、RAG 流程（几乎场场都有）六、MCP vs Tool / Function Calling七、工程基础Redis 为什么单线程？HTTPS 握手流程？经典算法（课程表 / 拓扑排序）SFT/PPO/DPO/GRPO 的区别，微调一个大模型的流程是什么样的？

我早说，AI会逐步替代基础的程序员，但是我没想到速度如此之快，我还是太保守了。但是作为一个程序员，从立场来讲，我自然不希望AI替代我们，因为这影响我的就业和竞争。 但是我们不希望又能怎样，时代的趋势是不可阻挡了，我们只能顺势而为。 是时势造英雄，而不是英雄造时势。一、AI编程越来越离谱 我不得不承认，AI已经替我完成了70%的工作量，并且完成的比我更好，更精准，效率更高。算法中的时间复杂度、空间复杂度、最大圈数基本都是最优解，甚至很多时候，我感觉他已经在顺着我的思路帮我思考了。  替你写注释：我只需要打个“//”，注释就会自行生成，如果你觉得他生成的不对，你就再打两个字，他会顺着你的话去续写。...

1.介绍下self-attention，计算其时间复杂度。2.为什么要用multi-head attention？3.PPO的clip机制？在线强化学习和离线强化学习有什么区别？RLHF是哪一种？4.为什么要用reference model? 为了解决什么问题？5.如何让多个agent协同工作的？举个具体的协同机制例子。6.如果一个agent误判导致策略冲突，如何处理？7.有没有用到类似AutoGen或LangChain的框架？为什么选这个框架？8.你是怎么设计agent的记忆系统？9.长期记忆如何存储？如果历史记录量非常大，怎么优化查询效率？10.有没有做记忆衰退，避免旧数据干扰新任务？11.你们这种模块堆叠的架构是怎么设计视觉问答模块和动作模块的协同逻辑的？12.human feedback是怎么被agent消化吸收的？有没有用rl进行策略更新？13.有没有做过模型压缩？比如在车载端或低端设备上的推理加速？14.如果量化后理解能力下降怎么办？怎么做精度补偿？15.你怎么处理响应速度与推理精度之间的tradeoff？是先召回再精排，还是单次生成？

本文以有java后端基础/python基础如何转向ai开发岗进行讨论分析。 个人bg : 专升本，26届双非硕，硕士转码，25.6 - 26.2 小厂ai应用开发实习，入职前ai相关项目 * 1 ，春招面试时含公司实习项目共计10+ai相关项目(简历体现4个)，ai相关内容学习实习前累计1m左右，深入了解时长等同于实习时长。  重要经历 ：实习期间参与三个ai项目开发，垂直领域涉及金融审核相关业务(涵盖文档、检索、分析、agent等)1. ai应用开发岗是什么？涉及什么？ ai应用开发岗作为新兴岗位，主要分为两部分: 上游任务(偏向于算法) : 模型后训练，微调(SFT,QLora) ,场景定...