快手AI Agent开发一面（已过）

大家好我是@程序员花海，之前写过3篇Agent开发学习路线，收到广大牛友的一众好评，感谢大家的支持！！最近浏览了很多公司的招聘网站，我们搜一下技术岗，看下当前哪些岗位招的比较多。以淘天为例，搜一下社招开发岗位，好家伙一眼望去全部都是Agent开发相关。再看下字节，好家伙一眼望去也都是AI。说句实话，现在很多公司都在提倡AI coding，我司就在周会的时候大力提倡AI coding解放人力，但是大家想一个问题，AI都能写好代码了，那么你的意义是什么呢？其实并不是危言耸听，AI再如何发展，但是他对于业务的理解始终是跟不上人力的，我举个例子，涉及到支付、券这种场景，对于金额大小和频控有严格的限制，...

给我面没招了，发点面经攒攒人品～1* 详细讲讲你设计的 Agent 是如何实现的？在“推理-行动”循环中，如何设计来纠正逻辑塌缩或无效工具调用？2*MCP与传统 Agent Skills 的区别是什么？如何实现在多智能体环境中动态发现并注册跨协议工具？3* 在电商或导购场景下，用户的请求往往高度模糊，Agent 怎么来精准理解这种需求？4* 如何设计一套“主动澄清”决策逻辑？在什么情况下 Agent 应该反问用户，什么情况下应该结合历史画像强行推断？5* 针对包含 3 个以上工具调用且高频请求的任务，通过什么方式可以压低系统整体的端到端延迟？6* 如何衡量 Agent 的 Planning 能力 vs Hallucination Rate？请列举具体的量化评估指标或自动化评估框架。7* 在多 Agent 协作系统中，不同 Agent 之间的记忆如何实现隔离与共享？如何避免不同工具间的上下文污染？8* Token 过长导致的 Attention 稀释现象为什么会导致 Agent 的指令遵循能力下降？9* 摘要总结往往会丢失关键细节，在长文本 Agent中一般怎么来处理这一块10* 当候选工具超过 100 个时，如何设计路由策略？怎么解决检索过程中的召回偏差？11* 在 Agent 多轮对话任务中，标准 Attention 机制的平方复杂度在工程落地上主要引发了哪些问题？12* 目前有哪些机制可以缓解模型在长上下文对话里的“信息遗忘”现象？当对话论数很多，上下文窗口不够的时候，有哪里处理的策略13* 为什么在复杂的 Agent 闭环场景中，仅靠 RAG 无法彻底解决幻觉问题？14* 面对模型在 Agent 执行过程中出现的循环调用”或陷入思维死循环问题，有哪些解决方式？15* GraphRAG 在处理 Agent 复杂关联查询时的优势在哪里？16* 任务执行远大于单次 Token 限制时，如何设计以支持断点继续生成？17* 设计一个智能导购助手 Agent？描述其感知、规划、记忆和执行四大模块在分布式架构下的协同逻辑。18* 手撕算法： 给定一个正整数 n（如 23121和一组不重复的数字集合 a（如 \{2,4,9\}），求使用 a 中数字组成的、小于 n 的最大整数。要求考虑贪心回退逻辑，处理所有边界情况。

1、RAG 里的幻觉怎么解决？RAG 幻觉一般来自三种情况：没有召回到正确证据、召回到了但排序不对、证据足够但模型还是自己补。解决也要对应分层。第一层是提高文档质量和召回质量，比如切片更合理、用混合检索、做 query rewrite、加 metadata 过滤。第二层是重排层，用 rerank 模型让最相关证据排前面。第三层是生成层，要让模型严格基于证据回答，证据不足就拒答，不允许自由扩写。如果从更抽象的角度看，幻觉问题本质上是“系统回答倾向强于证据约束”。所以真正要解决的是：让系统在信息不足时学会克制，而不是为了流畅性硬编一个完整答案。2、LoRA 微调原理LoRA 是 Low-Rank ...

上周组里招人，我面了六个候选人，回来跟同事吃饭的时候聊起一个让我挺感慨的现象。前三个候选人，算法题写得都不错。第一道二分查找，五分钟之内给出解法，边界条件也处理得干净。第二道动态规划，状态转移方程写对了，空间复杂度也优化了一版。我翻他们的简历，力扣刷题量都在300以上。后三个呢，就有点参差不齐了。有的边界条件没处理好，有的直接说这道题没刷过能不能换个思路讲讲。其中有一个女生，我印象特别深——她拿到题之后没有马上写，而是先问我：“面试官，我能先跟你确认一下我对题目的理解吗？”然后她把自己的思路讲了一遍，虽然最后代码写得不是最优解，但整个沟通过程非常顺畅。这个女生的代码不是最优的，但当我问她“如果这里是线上环境，你会怎么设计’的时候，她给我讲了一套完整的方案——异常怎么处理、日志怎么打、怎么平滑发布。她对这是之前在实习的时候踩过的坑。”我在想LeetCode到底在筛选什么？我自己的经历可能有点代表性。我当年校招的时候，也是刷了三百多道题才敢去面试。那时候大家都刷，你不刷就过不了笔试关。后来工作了，前三年基本没再打开过力扣。真正干活的时候，没人让你写反转链表，也没人让你手撕红黑树。更多的是：这个接口为什么慢了、那个服务为什么OOM了、线上数据对不上了得排查一下。所以后来我当面试官，慢慢调整了自己的评判标准。算法题我还会出，但目的变了。我出算法题，不是想看你能不能背出最优解。而是想看你拿到一个陌生问题的时候，是怎么思考的。你会先理清题意吗？你会主动问边界条件吗？你想不出来的时候会怎么办？你写出来的代码，变量命名乱不乱、结构清不清楚？这些才是工作中真正用得到的能力。LeetCode是一个工具，不是目的。它帮你熟悉数据结构和常见算法思路，这没问题。但如果你刷了三百道题，却说不清楚自己的项目解决了什么问题、遇到了什么困难、你是怎么解决的，那这三百道题可能真的白刷了。所以还要不要刷LeetCode？要刷，但别只刷题。刷题的时候，多问自己几个为什么：为什么用这个数据结构？为什么这个解法比那个好？如果换个条件，解法还成立吗？把刷题当成锻炼思维的方式，而不是背答案的任务。毕竟面试官想看到的，从来不是一台背题机器，而是一个能解决问题的人。