1️⃣一面（Code Agent 代码生成方向）1. 工程级Code Agent在处理项目上下文、生成代码时会遇到哪些核心挑战？2. 当前主流Agent框架在技术演进上有哪些关键改进方向？3. 如何系统性保障AI生成代码的质量、安全性与可控性？4. 有哪些有效手段可以验证AI生成代码的正确性？5. AI代码生成完成后，是否可以直接上线？还需要经过哪些关键环节的校验与治理？6. AI生成代码的技术在哪些场景下更具落地价值？又存在哪些应用边界？2️⃣二面（Agent应用开发方向）1. 2026年的Agent应用开发，相比往年在技术范式与落地模式上有哪些显著变化？2. 你当前参与的Agent应用开发项目采用的是哪种架构？是否接触过HANAS这类新兴模式？3. 在渐进式披露的架构设计下，是否还需要依赖RAG能力？二者的关系是什么？4. 你开发的Agent应用解决了哪些传统方式难以处理的核心问题？5. 请介绍一下你在Github上参与贡献的开源项目，以及你在其中承担的工作。6. 当初你是如何参与到这个开源项目中的？7. 在Agent开发中，上下文工程最关键的工作是什么？8. 你是否了解Cloud、Open Cloud这类主流Agent框架？它们的核心实现逻辑是什么？9. 你在Agent开发项目中遇到过最棘手的技术难题是什么？10. 你是如何定位并解决这些难题的？这次经历带来了哪些技术沉淀？11. 你后续的职业规划中，更倾向于什么样的岗位和业务方向？12. 你在校的学业水平处于什么水平？身边同学的求职与学习情况如何？13. 你更倾向于在哪个城市工作？为什么？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 做一下自我介绍2. 讲一下你做过的系统架构，别只说用了哪些中间件架构最好按数据流讲，而不是按技术名词堆。入口层是网关、鉴权和限流，业务层负责请求编排、规则判断和状态推进，异步层用 MQ 解耦高峰流量和补偿任务，存储层通常拆成 MySQL、Redis、检索索引和对象存储，旁路再挂监控、日志、配置中心和任务调度。真正有价值的是你能指出瓶颈会出现在哪里，比如检索召回抖动、缓存热点倾斜、下游依赖变慢、消费积压或者数据库回查索引失效。3. RAG 的原理你怎么讲，真正落地时它在系统里承担什么角色RAG 不是“检索一下再回答”这么简单，它本质上是把外部知识注入生成过程，降低模型纯参数记忆带来的不确定...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑项目拷打（约30min1.梳理xx广告效果引擎的整体业务链路。2.离线缓存层构建：正排数据如何转化为倒排数据？3.离线缓存层构建：为什么不用Java原生的BitSet？4.序列化与反序列化优化：为了避免直接反序列化极其庞大的大对象，采取了什么设计方案？5.分布式调度设计：如何对千万级广告库（如1024个slot）进行分片处理并实现横向扩容？6.分布式调度设计：Worker定期向Manager发心跳并延长令牌时间，如果Manager挂了怎么办？7.网络协议定制（数据播发项目）：基于TCP通信，如何设计协议来解决粘包和拆包问题？场景设计题（约10min）场景背景：股票搜索功能，拥有几十万条股票代码。用户会通过输入股票代码（如300033）、名称（如腾讯）或拼音首字母（如tx）进行搜索。要求支持全匹配、中匹配、后匹配，且全匹配优先级最高，对响应速度要求极高。1.这种高并发场景下，数据存储载体应该怎么选？回答内存介质加字典树2.快速搜索的底层算法应该怎么做？3.针对中文汉字特别多的情况，Trie字典树应该怎么建？4.Trie树做全匹配没问题，那如何基于树结构实现中匹配？AI应用与工具拓展交流（约10min）日常写代码时，自己手写和大模型生成的比例大概是多少？个人的AI辅助开发工作流是怎样的？有没有了解或跑过类似 OpenHands （类Devin的自动编程Agent）这类开源项目？在大模型应用中，Skills 和 MCP (Model Context Protocol) 有什么区别？

1. 自我介绍2. 介绍一下你的项目3. Coze 新旧两种编排方式的差异是什么，你在设计节点时怎么取舍拖拽式编排适合流程稳定、路径清晰、节点边界明确的场景，比如固定审批、FAQ 问答、标准化信息抽取。Agent 化编排更适合目标不稳定、路径动态变化、需要中间决策的场景，比如多轮任务执行、复杂信息搜集、跨工具协作。节点设计时不能按功能菜单式地乱拆，而要按状态边界和失败恢复边界去拆。一个节点如果既负责理解问题、又负责查知识、又负责生成结果，那一旦出错很难定位，也很难重试。真正稳的节点应该输入清晰、输出结构化、失败可恢复。4. 你写过哪些 MCP 工具，设计一个 MCP 工具协议时最关键的是什么M...