暑期实习 京东后端Agent开发一面面经

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 拷打实习2. 并发搜索场景下，主线程起了多个子线程后，怎么和它们通信以知道任务全都做完了？3. 为了提速引入了 Kafka，但 Kafka 本身是异步组件，会不会反而导致任务流转变得更慢？4. 流量变大后，每个任务拆解并发大量消息，Kafka 会不会变成系统的性能瓶颈？（答了限流桶策略、结合业务使用频次限制）5. 扫表和用消息中间件（如 Kafka 双 Topic）管理长时任务状态，各自的优缺点是啥？6. 详细介绍一下你项目里的多智能体协同策略，三层 Agent（Root、Main/Fallback、Sub-Agent）是怎么互相配合流转的？7. 如果主 Agent 决定越过第二层直接调底层的子 Agent，上下文信息是怎么跨层传过去的？（答了通过解析 JSON 传递意图，并共用主线程/连接）8. 补充检索是如何评估数据质量并触发的？你怎么保证二次检索能搜到之前没搜到的内容？9. 怎么避免大模型检索到网上被 AI 批量生成的虚假垃圾数据（防止 GU 投毒）？10. 短期对话记忆和长期记忆分别是怎么提取和存储的？11. 怎么判断当前用户的提问需不需要去 RAG 里检索长期记忆？12. 为什么底层选用了 pgvector 做向量数据库，而不是其他的？13. 为什么在向量检索的基础上还要加 BM25 精确检索？具体解决了什么 bad case？14. 重排序（Rerank）是怎么做的？有没有设置低分阈值做提前过滤操作？15. 传统 CNN 有什么痛点？ResNet 让你印象深刻的核心思想是什么？16. 介绍你最近读过的五篇论文17. 平时拿到一个项目任务，你用 AI 辅助编程的工作流是怎么拆解的？18. 你的AIcoding提示词策略是怎么操作的？人工一般在哪个环节介入审核？

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...

攒人品中，祝大家都能拿到满意的Offer！项目深挖 约40min1- XX有没有正式用户使用？为什么没有上线？2- 多agent怎么编排？具体流程？3- 训练样本哪里来的？有无模型调优？4- agent失败/中断如何处理？重试安全？引入金融场景15min- 面试官用跨境汇款业务出题 考察agent超时/失败的应对策略 以及资金安全RAG知识库更新怎么不停服设计模式追问手撕代码：比较简单的岛屿最大面积dfs

面经停更，先更大模型，内容主要来源是langchain官方文档 使用langchain集成deepseek记得安装langchain-deepseek 模型 静态模型 from langchain.agents import create_agent from langchain_openai import ChatOpenAI model = ChatOpenAI( model="gpt-5.4", temperature=0.1, max_tokens=1000, timeout=30 # ... (other params) ) agent = create_agen...