被狠狠拷打了。。。知道自己的不足1. 项目具体参与了什么2. 如果不用RAG，因为RAG太重了，还能用什么3.公司每天有很多更新的大量代码，你会用什么系统来做这个ai coding4.最近有了解什么开源项目么5.Claude有用过什么skills6.你自己写过skills么7.实现ai coding的一个agent你会怎么做？被指出来讲的太宽泛了，讲细节一点（从数据测评各种角度）8.项目是真实公司内部的么无代码题

发点面经攒攒人品～1.实习内容拷打2.ReAct模式3.联合索引的底层,%like模糊匹配4.索引失效5.redis实现延迟消息的方式6.redis实现消息队列7.kafka增加分区要考虑什么8.kafka和redis实习消息队列分别的性能瓶颈9.手撕：大数组，元素范围1-10，要求顺序答应所有元素思路：hashMap统计每个数的出现次数，顺序打印

1. 听懂人话用户说“看看最近销量”，它得自动翻译成：时间范围+哪个产品+看什么指标。2. 自动取数配好SQL工具，让它自己查数据库，不用人工写代码。3. 分析+画图算完数据，自动挑合适的图表，柱状图还是折线图？它自己决定。4. 写人话结论别只扔数字，要像“本周销量涨了10%，因为搞了促销活动”这样说明白。最关键：每一步做完自己检查，错了能回头重跑。这样才是真智能，不是傻干活。

🕐面试时间：26.4.7-一个小时💻面试岗位：智能体与大模型应用开发❓面试问题：1、面试官先介绍下岗位和业务2、自我介绍3、NL2SQL项目的数据源和数据表有什么类型4、NL2SQL的具体流程介绍一下5、提到的用户开始会话之前选择数据源和数据表，这个怎么做的？是用户自己选的还是根据用户的问题智能体选择对应的表？6、那假如1w+数据表，用户该如何选择呢？答：这种场景下就得使用智能推荐去找相似度高的表。7、你理解的Agent系统架构是什么样的？包含哪些层，具体功能是什么？8、提到了Skills，了解过Skills吗，在实践中有用过Skills吗？9、CLI有没有了解过？10、CLI和MCP的区...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 问关于ReAct的知识，那几个模式有什么差别2. 给了一个场景，就是设计一个全自动化的agent进行AI漫剧创作，你会怎么设计？3. 为什么要引入父子索引？BM25引入的原因是什么，比例是怎么设置的，整个具体流程是怎样的，有没有做rerank操作？4. 如果做了rerank， rerank之后返回几个块？有没有做过一些验证来确保效果？5. rerank之后的topk截断是怎么实现的？为什么选这个k值，有没有考虑过其他方案？6. 讲一下上下文工程，还有记忆功能是怎么实现的。7. 讲一下LRU的原理和实现。8. 讲一下你项目agent框架9. langchain langgraph了解多少 你在你的项目中有使用吗10. 你做的agent响应这么快 你是否有工程优化 是什么11. chunk怎么切的 除了你这么切 还有别的办法吗12. 如果用滑动窗口 如何去重？13. 准确率提升是如何量化的14. 如果你切chunk的时候 第一个段落和第十个段落有联系你怎么做

就是把一大坨事切成一小块一小块干。比如让Agent帮我规划云南七日游，它不能一口气瞎干。得先拆：订机票→订酒店→排每天景点→查天气→算预算。每一步做完再走下一步，不乱套。拆得好，Agent才靠谱。拆得烂，它就抓瞎。

最开始面 Agent 岗，我天真地以为，只要把 ReAct、RAG、LangChain 的概念背熟，再把自己做的 demo 项目讲清楚，就能应付面试了。结果第一场面试，就被面试官问得哑口无言。那是杭州一家做企业级 Agent 的初创公司，一面开场，面试官先笑着问：“先简单讲一下，你理解的 AI Agent 是什么？和普通的大模型 API 调用有什么本质区别？”我照着背的概念念了一遍，本以为能过关，结果面试官的连环追问直接给我干懵了：“那你说 Agent 的核心是自主决策，那你在项目里是怎么实现决策逻辑的？ReAct 框架里，思考和行动的环节你是怎么设计的？”“你做的这个 Agent 项目，遇到过大模型输出格式不规范，工具调用失败的情况吗？你是怎么解决的？”“如果让你给这个 Agent 加多轮对话的记忆能力，你会怎么设计？短期记忆和长期记忆分别怎么处理？”一连串的问题下来，我支支吾吾半天答不上来，因为这个项目我只是跟着教程跑了个 demo，根本没考虑过这些细节。那场面试只进行了 25 分钟就草草结束，挂掉面试的那一刻，我坐在电脑前，满脑子都是 “我是不是根本不适合做 Agent 开发”。后来我才明白，Agent 面试最不缺的就是背概念的人，面试官想知道的，永远是你真的做过、真的踩过坑、真的思考过 Agent 落地的问题。

攒人品中！ 1. AI agent 与function call有什么区别。2. AI Coding用过什么。3. AI Coding和AI Agent如何一起使用，即如何用AI Coding开发一个AI Agent4. 有没有试过用langchain和langgraph做AI Agent的开发？有什么感受？5. 对云熟不熟？有哪些产品？相关的实践有哪些？6. 有哪些推理引擎？大模型推理有哪些指标？7. 为什么要用PD分离？业界方案是怎么样的？mooncake的KV Cache是否有外挂？8. 你如何看待AI Agent的发展现状？未来又是什么看法？9. langchain的主要在这个chain 怎么理解这个chain10. 提示词怎么设计的 如何设计11. rag怎么构建的12. 模型微调qwen2.5-3B 用llamafacotry 怎么做的13. mcp mcp是什么14. 工具调用失败 怎么办15. 想要按照结构输出怎么办？16. 多agent协作 如何做 设置工作流17. 介绍一下你的项目18. 你提到的coze，coze有两版，一个是拖拽式的编排，新的一版是直接使用agent？，你使用的是哪一种？你是怎么设计节点的？19. 你编写了哪些MCP工具，介绍一下20. 上下文管理是怎么做的，如何进行记忆

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 项目拷打2. 训练数据是怎么构建的，大概有多少量；测试集如何构建3. lm和这个项目是如何嵌入的4. rag项目的springboot框架的版本5. 项目中遇到问题解决问题的能力6. 主要提到一个项目中用的ai大模型7. 用llm技术重构系统8. 多轮对话相关存储 记忆 解决方案 这个问了好多9. rag怎么设计的10. Attention本质是什么？从向量空间变换角度解释11. 多轮对话中Attention如何导致历史信息衰减？12. RAG的chunk优化策略有哪些？怎么评估检索相关性13. 多工具调度模块如何解决冲突检测？14. 工具调用超时后的降级方案设计15. Prompt优化模块的A/B测试方案16. 为什么你在项目中选择用 Qwen 的模型而不用内部模型；文本检索时有 embedding 初步排序和重排两种模型可选，为什么选择 Rerank 方式做重排，而非其他重排方式

发一下问题给大家参考，攒攒人品！1. 如何实现多 Agent 协作系统？2. 什么是 RAG（Retrieval Augmented Generation）？3. Java 如何实现 streaming response？4. 什么是 hallucination（幻觉）？为什么会发生？5. LangChain4j 如何返回结构化 JSON？6. 如何实现 SSE 推送？7. 如何评估 Agent 的执行效果？8. LLM 服务如何做缓存？9. LangChain4j 如何实现 Tool 调用？10. 什么是 AI Agent？11. 什么是 Prompt Engineering？12. Agent 和普通 ChatBot 有什么区别？13. RAG latency 怎么优化？14. Java 调用 OpenAI API 如何设计 SDK？15. RAG pipeline 的完整流程是什么？16. RAG 系统主要组件有哪些？17. 如何设计一个 AI 问答系统架构？18. RAG 如何做 rerank？19. AI系统如何做监控？20. embedding 和向量相似度搜索是什么？21. 什么是 ChatMemory？22. Java LLM 服务如何做连接池管理？23. 如何评估 RAG 系统效果？24. Agent memory 有哪些类型？25. 如何实现对话历史 memory？26. Transformer 架构核心原理是什么？27. 如何减少大模型 hallucination？28. LLM API 如何设计接口？29. chunk size 为什么很重要？如何选择？30. 如何实现 hybrid search（向量 + keyword）？31. 什么是 ReAct Agent？32. Spring AI 和 LangChain4j 有什么区别？33. 什么是 Tool Calling？34. embedding 模型如何选择？35. AI Chat 系统的整体架构是什么？36. 文档切分有哪些策略？37. LLM 服务如何做限流？38. LangChain4j 如何实现 prompt template？39. ChatGPT 的 system / user / assistant role 有什么作用？40. LLM 为什么推理成本高？41. AI系统如何记录 Prompt 和 Response？42. Agent 如何做任务规划（planning）？43. LLM latency 如何优化？44. 如何设计 Prompt 管理系统？45. streaming response 如何实现？46. MCP（Model Context Protocol）是什么？47. Agent workflow 和普通 workflow 有什么区别？48. 大模型上下文窗口是什么？如何突破长度限制？

被挂了，希望发出来对大家有帮助！1.问项目2.问langchain架构3.agent开发方式有几种4.你用过define吗5.langchain有哪些核心的模块6.介绍你项目中muti-agent的情况7.讲一下agent之间的通讯协议8.用mcp做过什么9.transformer了解么10.自注意机制是什么11.现在市面很多大模型，对彼此的对比了解么，比如说生成音频的哪个最好之类的12.编辑器用的哪个13.对模型内部算法了解么

好几家大厂的 Agent 相关岗位，踩了不少坑也摸透了这类面试的套路！根本不是背背 ReAct、CoT 这些概念就能过的，面试官全是抠实际落地的细节：项目里怎么给 Agent 做任务拆解、工具调用怎么设计、prompt 怎么调才能减少幻觉，还有多 Agent 协作的流程、线上出问题怎么排查，全是要拿真实项目说话的，没做过实际项目一挖细节就露馅！

1.自我介绍2.拷打项目：在多模态Embedding时，你如何平衡文本语义和图像视觉特征在计算相似度时的权重？3.拷打项目：如果用户反复说同一件事，你会重复存储还是进行语义合并？使用MCP接入多个测评工具时，如果两个工具对同一个问题回答格式不统一，怎么处理？4.在推理阶段，为了消除LoRA带来的额外延迟，你会进行权重Merge吗？5.如果Agent发现调用的工具报错，如何设计Prompt引导它用报错信息进行重试，而不是直接报错给用户？6.在长对话中，除了截断，你了解哪些更高效的上下文压缩方法？7.在一个多Agent系统里，由LLM做Router分发任务和由固定规则分发相比，各有什么优劣？8.在Milvus里，你如何实现BM25和向量检索分数对齐？9.如果限定只检索某个时间之后的数据，向量数据库里如何实现标量过滤？10.了解LoRA微调吗？在训练LoRA时，两个参数矩阵分别是如何初始化的？11.讲讲QLoRA的核心思想12.如果你微调的是逻辑推理任务，相比于对话任务，你认为秩应该大还是小？13.如果并发调用10个不同的Embedding接口，asyncio.gather相比多线程在资源消耗上有什么优势？14.在垂域指令微调时，如果模型原本的通用能力下降，你有哪些方法解决？16.DPO在训练时，为什么不需要像PPO那样在线采样生成回答？DPO数据格式是什么样的？17.手撕：合并K个升序链表📳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。

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目拷打3.grpo的整个流程4.grpo的loss组成5.相比于ppo的区别6.gspo了解吗手撕:最长公共子序列

其实Agent面试的核心都绕不开大模型理解、工具调用、流程编排还有工程落地这几块，不会太偏理论，更多是看你能不能把技术落到实处。首先肯定会问你对Agent的理解，比如它和普通大模型应用到底不一样在哪，要是说不出自主决策、记忆和工具调用这些关键点，大概率会被觉得底子不扎实。还会聊到主流的框架，比如LangChain或者LlamaIndex，问你用过没有，各自有什么优缺点，踩过哪些坑。然后技术层面会盯着工具调用和RAG这两个核心。比如怎么让Agent精准选对工具，调用失败了该怎么处理，会不会加重试机制或者异常兜底。RAG也是必聊的，比如它在Agent里能解决什么问题，怎么提升检索的准确率，用过哪些向量数据库，这些都得结合实际的使用经验说，光背概念可不行。还有记忆模块，短期记忆和长期记忆的区别，怎么存怎么取，这些细节也会被问到。作为Java工程师，面试官肯定会更关注你怎么把Agent和业务系统结合起来。比如怎么用Java调用大模型API，怎么对接公司现有的接口让Agent拥有实际业务能力，甚至会问你怎么解决大模型调用的延迟和限额问题，比如缓存、异步处理这些实际的优化手段。幻觉问题也是绕不开的，得说说你平时怎么通过事实校验、多轮反思来减少这种情况。项目经验这块特别重要，哪怕没做过正式项目，自己搭的Demo也能说。比如做过知识库问答Agent，或者代码调试助手，得讲清楚核心流程，遇到过什么难题，比如工具调用成功率低，或者检索结果不准，最后是怎么解决的。还会给你出一些实际场景题，比如让你设计一个电商客服Agent，怎么对接订单和物流系统，得有清晰的思路。偶尔也会有一些开放问题，比如你觉得Agent未来会往哪个方向走，多模态或者行业专用Agent算不算趋势，还有作为Java开发者，转型做Agent开发的优势和挑战是什么，这些问题能看出你有没有自己的思考，不是单纯跟风入行。总的来说，Agent面试不怎么考死记硬背的东西，更看重你对技术的理解和实际动手能力，尤其是怎么把AI和业务结合起来，解决真实问题。

项目里Agent怎么拆解任务、用了哪些工具调用、prompt怎么设计。会问长文本理解、多轮对话逻辑、异常处理方案，也可能考函数调用、RAG结合Agent的实践。还会问如何提升稳定性、减少幻觉，有没有做过自主规划或多Agent协作，以及线上问题排查思路。

面试Agent岗位，问题基本都很务实。会问你对智能体的核心理解，有没有相关项目经验，比如怎么设计Agent的逻辑、调用工具。还会考察任务拆解、异常处理的思路，偶尔会出场景模拟题，看你实际应对能力，整体侧重实战和落地经验。

多轮交互是常考问题，能不能记住上下文、会不会精准理解意图、能不能自然衔接对话。如何做好状态管理和信息追问，槽位填充等。

1.讲讲项目上实现的agent2.项目为什么要用agent3.用什么框架，基于什么模型4.agent有用到mcp和工具调用，讲讲具体的流程5.mcp和工具调用有什么区别6.agent和那种网页ai有什么区别