字节 AI agent 一面面试题

基础概念：Agent与普通程序的区别？核心组件（规划/记忆/工具/行动）？ReAct、CoT、ToT各是什么？记忆机制：短期记忆（滑动窗口/摘要）vs 长期记忆（向量数据库+检索）。如何更新和遗忘？规划决策：如何拆解复杂任务？规划失败怎么回退？多Agent如何避免冲突？工具调用：怎么让Agent学会新工具？函数调用如何实现？API超时怎么容错？.框架与追踪：LangChain/AutoGen/CrewAI区别？Agent执行轨迹如何调试（LangSmith）？评估优化：成功率、效率、工具准确率怎么测？无限循环、遗忘、过度调用工具如何解决？代码手写：实现一个ReAct循环，或记忆模块伪代码。进阶追问：不用LLM怎么做Agent？如何保证安全？工具返回海量数据如何处理？

1. 自我介绍2. 介绍下项目，重点讲架构、关键设计和线上问题3. Agent 的上下文窗口不够时，长短期记忆应该怎么分层设计长短期记忆不能简单理解成“最近消息”和“很久以前的消息”。更合理的设计是把状态拆成三层：工作记忆负责当前回合执行所需的最小上下文，摘要记忆负责阶段性中间结论，长期记忆负责稳定事实、偏好、任务状态和关键证据索引。这样做的好处是短链路推理不会被旧噪声拖死，而长任务又能在需要时按状态检索历史事实。真正难的不是分层本身，而是写入和召回策略。不是每条消息都值得进长期记忆，通常只把高价值、可复用、低歧义的信息写进去，比如用户偏好、外部工具执行结果、关键约束、任务完成状态。否则记忆库...

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 实习拷打2. 项目拷打3. 介绍一下 ReAct 框架的具体实现流程，Agent 在什么情况下容易陷入思考死循环（Thought Loop）？4. 如果 Agent 调用的底层运维 API 发生超时或 5xx 错误，你在工程上是如何实现容错机制的？5. Redis 的数据结构有哪些？在 Agent 对话上下文缓存中，你会选择哪种结构？6. 线程池的参数如何设置？7. 解释一下分布式事务的 2PC 和 TCC，在 Agent 执行多步跨系统指令时如何保证一致性？8. 类 Manus 的 Agent 需要频繁操作环境，如何实现一个高可用的任务调度器，要考虑哪些方面？9. MySQL 的隔离级别有哪些？什么是幻读？10. TCP 三次握手和四次挥手流程？为什么断开连接需要等待 2MSL？11.  如果要实现一个代码执行沙箱，你从后端角度如何限制 CPU、内存和网络访问？12. 什么是协程？13.为什么 Agent 后端通常采用异步非阻塞模型？14. Kafka 为什么高吞吐？在处理 Agent 异步回调信号时，如何保证消息不丢失？15. 有了解过Agent 的记忆吗？mem0这个记忆框架知道不16. 向量数据库的原理是什么？RAG中的rerank?16. HTTP 与 RPC（如 gRPC/Thrift）的区别是什么？为什么字节内部通信多用 RPC？17. LRU 缓存18. K 个一组翻转链表

先给核心结论：Agent面试的核心逻辑，永远是「基础概念验证→落地能力验证→思考深度验证」，所有的问题都围绕这三层展开，面试官不是看你背了多少概念，是看你有没有真的把Agent用起来、有没有解决过真实的落地问题。下面分6大模块，把Agent面试的高频问题、回答核心要点、加分技巧，全给大家讲透，建议收藏。一、基础概念必问题（面试开场第一道门槛，答错直接凉）这类题是面试的敲门砖，主要验证你对Agent有没有基础认知，答错了基本一面就挂，回答核心是「讲清本质，结合自己的理解，别只背概念」。你理解的AI Agent是什么？和大模型对话、RAG应用有什么本质区别？1. 核心定义：AI Agent是能感知...