1. 自我介绍2. SSE 跟 WebSocket 有什么区别？为什么模型推流场景很多时候选 SSE，不选 WebSocket？答案：SSE 是服务器到客户端的单向流式推送，基于 HTTP，天然适合把模型生成的 token 一段一段往前端推。WebSocket 是全双工协议，更适合双方都要频繁通信的场景，比如协同编辑、实时游戏、双向控制。模型推流大多数时候是服务端连续输出、客户端被动接收，所以通信模式上 SSE 更贴近需求。另外 SSE 在工程上更轻，和现有 HTTP 网关、鉴权、中间件、日志系统、Nginx 代理兼容性更好，浏览器原生支持 EventSource，实现成本低。很多公司不选 W...

面试很难，还是要多多练习1. 论文拷打2. 实习经历深度追问3. 首个项目深挖：MinerU解析跨页表格时，保障表格语义完整的核心思路？简述Ragas评测框架；若Answer Relevance指标偏低，如何精准区分检索质量与模型能力的影响边界？4. 第二个项目深究：LangGraph中State的定义逻辑与流转机制？当任务节点数量较多时，如何规避状态对象膨胀引发的内存溢出问题？长期记忆库层面，多轮对话信息提炼为结构化用户画像并入库的具体实现路径？5. 文档切片策略：overlap参数的核心作用？如何权衡分片尺寸与上下文完整性之间的平衡关系？6. 对GraphRAG的理解与应用认知7. GraphRAG召回海量关联信息后，生成阶段如何借助自反思（Self-Reflection）或思维链（CoT）策略过滤检索噪声？8. ReAct框架的核心原理，阐述其对复杂任务理解能力的提升逻辑9. 模型调用工具出现参数幻觉、语法错误时，可采用的自动化修正手段有哪些？10. Multi-Agent系统中心化编排模式的内涵，对比点对点架构的核心优势m11. Agent的Self-Reflection机制，说明其识别输出逻辑错误的底层原理12. Agent长期记忆的设计思路与核心要点13. 支付等高敏感操作场景下，Human-in-the-loop（人工介入）流程的设计原则与实现方式14. 单一Skill模块的设计思路与核心逻辑15. Skill与MCP的核心差异对比分析16. OpenClaw对Agent本地文件系统操作、代码执行环境感知及权限增强的实现逻辑17. 对Vibe Coding的理解，结合实际场景谈谈相关经验18. 如何保障自然语言任务描述能精准转化为稳定、可靠的执行路径？19. 上下文缓存的概念，说明其在处理Agent频繁读取的冗余系统指令时的核心价值

自我介绍后直接进入项目深挖，无技术笔试，全程围绕 Agent 工程经验展开。Q1：你为何选用 OpenAI Agents SDK 而非开源框架？出于安全合规考量，开源方案是否更合适？核心考点是框架选型的 trade-off 认知。我说明了 SDK 在 tool 编排稳定性和工程成熟度上的优势，同时承认在企业生产环境中确实应优先评估开源/私有化部署方案，以满足数据不出域要求。面试官对"我知道它的局限"这个态度比较认可。Q2：你遇到过需要人工强制中断 Agent 执行的情况吗？如何处理 Human-in-the-Loop？介绍了关键 tool 执行前插入确认节点、置信度低于阈值...

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.拷打实习3.拷打第一个项目：MinerU解析过程中如果遇到跨页表格，如何保证表格语义的完整性？讲一下Ragas评测？如果Answer Relevance得分低，如何判断是检索质量问题还是模型能力问题？4.拷打第二个项目：LangGraph中的State是如何定义和流转的？如果任务节点非常多，如何防止状态对象过大导致内存溢出？你的长期记忆库如何将多轮对话中的信息提炼成结构化的用户画像存到向量库？5.文档切片时，overlap的作用是什么？如何平衡分片大小与上下文完整性？6.了解GraphRAG吗？介绍一下7.当GraphRAG召回大量关联信息后，如何用自反思或CoT在生成阶段过滤掉检索噪声？8.讲一下ReAct的原理，为什么能提升模型对复杂任务的理解能力？9.如果模型在调用工具时产生了参数幻觉或语法错误，通常采取哪些自动修正手段？10.什么是Multi-Agent系统中的中心化编排模式？相比于点对点有什么优势？11.讲一下Agent的Self-Reflection，它是如何识别输出中的逻辑错误的？12.如何设计Agent的长期记忆？13.在执行涉及支付等高敏感操作时，如何实现Human-in-the-loop的干预流程？14.如何设计一个Skill？大概讲一下15.对比一下Skill和MCP的区别16.OpenClaw如何增强Agent对本地文件系统和代码执行环境的感知与操作权限？17.你如何理解Vibe Coding？有什么经验吗？18.如何确保自然语言描述的任务逻辑能够转化为可靠的执行路径？19.什么是上下文缓存？它在处理Agent频繁读取的冗余系统指令时有哪些优势？