字节暑期agent实习二面经

Q1：规划和执⾏要不要拆开两个模型？答案：视任务⽽定。Planner-Executor 拆分可提升可控性（强模型规划、快模型执⾏）；单模型端到端更简单但易在⻓链路漂移。可混合：规划⽤强模型，执⾏层做确定性校验。Q2：如何避免 Agent 在⼯具调⽤间「迷失」？答案：明确 停⽌条件 与 最⼤步数维护 任务清单（todo） 与 当前⼦⽬标对每步输出要求 结构化（JSON）关键步骤 强制验证（单元测试式检查、⼆次 LLM 审核）Q3：结果冲突怎么整合？答案：优先级规则（权威源 > 时间新 > 多源⼀致）、让模型显式输出「冲突说明」、必要时触发⼈⼯。Q4：基于效⽤的 Agent 和基于⽬标...

项目背景与动机1. 能细节介绍一下你最近的多记忆健康问诊项目吗？（解决了什么问题、你担任什么角色、遇到什么难题）2. 这个项目是实习中做的还是自己开发的？3. 什么触动你去做这个项目？切入的初衷是什么？记忆系统设计1. 用一个例子解释一下你的 Memory 是怎么做的，以及怎么插入上下文的，怎么考虑上下文长度问题的？2. 你结构化信息和文本信息之间如何区分？会不会重复？3. 记忆冲突怎么解决？比如用户前后说了不同的过敏信息？4. 记忆是怎么写入上下文的？上下文从头到尾结构是怎样的？5. 上下文结构是不是：System Prompt + Memory + Tools Result + Conversation 这四个环节？6.上下文超长了怎么办？有没有考虑过上下文压缩？7. 压缩过程中会丢失工具调用历史，导致模型重复调用工具，这个问题怎么解决？RAG 与检索1. 为什么用 RAG 去检索 Memory？为什么用向量这种方式？2. Memory 的检索是分层次的吗？具体怎么设计的？3. 检索中遇到了什么痛点？4. 可观测性 / Trace5. 整个框架是很依赖埋点的，你觉得怎样的结构才能更好地追踪整个 Trace？6. 日志怎么结构化？为什么要这么结构化？7. 跨 Session 是否需要记录日志系统？AI Coding 能力考察给了一道股票买卖题，要求用文字描述问题背景、边界条件，并设计解题思路感想:项目深度不够，答得非常之烂，也是第一次遇到ai coding题，完全懵了，还要继续沉淀

Q1：请⽤你⾃⼰的话定义 LLM Agent，并说明与单次调⽤的差异。答案：LLM Agent 是以⼤语⾔模型为推理核⼼，在 多轮 中与外部环境交互，通过 规划、记忆与⼯具 完成复杂任务的系统。与单次调⽤的差异在于：单次调⽤是 开环⽣成；Agent 是 闭环决策，每步可依据⼯具返回更新状态，直到终⽌条件。追问：若没有外部⼯具，还能叫 Agent 吗？答案：可称为「弱环境」Agent，仅有对话记忆与推理；但仍可有内环多步 CoT 与⾃我验证。⾯试中强调是否存在「⾏动—观察」循环更清晰。Q2：Agent 的记忆⼀般怎么设计？答案：分层设计最常⻅：⼯作记忆（当前轨迹与关键结论）+ 会话记忆（摘要滚动...

个人认为今年暑期比去年难，看面经基本都是腾讯和字节。有些大厂虽然开了暑期实习，但基本都是泡池子，只有少部分人能得到面试机会。还有两三个月就要秋招了，有点慌难道今年更适合去考研吗？