美团后端Agent开发一面-实习

40min左右，发点面经攒攒人品1.深挖项目，具体实现细节，整个流程的设计2.对于实习项目中的实践有哪些可以缺陷和优化的点3.对大模型进行提问时有没有它的输出不符合指令的现象，是怎么解决的，举具体的例子4.有没有接触什么前沿的agent，说了openclaw，但是底层逻辑还没看5.claude code的memory三层逻辑设计，为什么这么设计6.有没有用过ai编程工具7.cursor如果上下文过长有没有性能下降的现象

4.27参加的面试 （一面技术面）一、 个人经历与项目背景主要拷打了我的实习经历 在通过实习经历 聊到类加载器方面的知识二、 JVM 与内存管理Q7： 能说一下 JVM 类的加载机制是怎样的吗？Q8： 类加载器的具体 3 个过程是什么？Q9： 类的初始化过程它具体是做了什么动作呢？Q10： 静态变量和局部变量是怎么存放的？哪些变量存放在栈（Java 栈）里面？Q11： 数组是存放在哪里呢？栈中还是堆中？Q12： 垃圾回收主要做了哪一些事情？具体的回收过程是怎样的？Q13： 内存碎片是怎么整理的？Q14： 对象从新生代到最后进入老年代，这个过程是怎样子的？Q15： 对象进入到老年代之后，多久会被...

上周去面一个AI Agent相关的岗，面试官第一句就扔过来：“你说说ReAct是什么？”我当时脑子一卡，差点把React框架说出来。还好缓过劲儿，赶紧答：ReAct就是Reason + Act，模型先想一想该干啥，再调用工具执行，拿到结果再观察，然后继续下一轮思考。不是一次性吐答案，而是边想边干，循环迭代，像给人配了个会反思的实习生。他接着追问：“那任务拆解怎么搞？”这题挺实用。我说复杂任务不能一股脑全扔给模型，得先拆成小步。比如用户说“帮我分析上季度用户留存”，就拆成：1. 拉取留存数据；2. 定义留存指标（次日、7日、30日）；3. 分渠道、分用户群看趋势；4. 找异常点并给出假设；5. 生成图表和建议。拆得越细，Agent执行时越不容易跑偏。面试官点点头，说很多新人就卡在这一步，模型直接硬上，结果输出一堆废话。最狠的是后面那道：“设计一个数据分析Agent（数分Agent）给我看看。”我现场画了架构：核心是LLM做大脑，配上工具集（SQL查询、Pandas处理、Matplotlib画图、甚至直接连BI系统）。加个记忆模块，记住上次的分析偏好；再套ReAct循环，确保每步都有Reason-Action-Observation。潜在坑我也提了：幻觉问题怎么防？加个验证步骤，让模型先输出SQL再执行，人工或规则审核；工具调用失败了怎么重试；多轮对话时上下文爆了怎么办，用向量数据库存历史摘要。面试回来我复盘，发现Agent岗现在问得越来越实操。不再是背定义，而是让你现场脑暴：怎么让Agent不卡死在循环里？怎么处理多Agent协作（一个负责查数据，一个负责写报告）？工具权限怎么控，避免它乱删库？甚至问你用LangChain还是LangGraph搭框架，为什么？说实话，Agent这东西火得快，但面试暴露的问题也多。很多人只玩过简单demo，一到设计真实场景就露馅。准备的时候，别光刷论文，多自己搭个小Agent练手，比如做一个自动回邮件的，或者帮你监控竞品价格的。真正拉开差距的，是你能不能把“想清楚-干一步-看结果”这个循环玩明白，而不是靠模型瞎猜。

一面大模型优化自我介绍，之后介绍一下项目，用什么语言写的，算法是自己写的还是调库？因为项目里有最短路径算法，他就问数据结构里图的最短路径遍历算法，描述思路。c++了解多少，新标准了解吗，类型推导，左值和右值，move语句。如果创建一个类不声明构造函数，默认编译器会创建哪些构造函数？虚函数。了解过Transformer模型结构吗？平时用哪些大语言模型。手撕。有序链表删除重复元素，用python写，之后又问c++写的话有什么区别。反问。面试官到最后也不是很着急，我问完之后我俩相对无言有点尴尬。总体感觉一般般，有些说的不是很清楚。