Tiktok后端ai开发一面面经 1h

作为大四后端开发学生的我，想要入行AI Agent，首先要夯实大模型调用、提示词工程，熟练掌握工具调用、多轮对话逻辑。同时还要学好流程编排、向量数据库、API接口开发，结合后端编程基础，理解任务规划与自主执行逻辑，把模型能力落地成可运行的智能应用。

1️⃣一面（Code Agent 代码生成方向）1. 工程级Code Agent在处理项目上下文、生成代码时会遇到哪些核心挑战？2. 当前主流Agent框架在技术演进上有哪些关键改进方向？3. 如何系统性保障AI生成代码的质量、安全性与可控性？4. 有哪些有效手段可以验证AI生成代码的正确性？5. AI代码生成完成后，是否可以直接上线？还需要经过哪些关键环节的校验与治理？6. AI生成代码的技术在哪些场景下更具落地价值？又存在哪些应用边界？2️⃣二面（Agent应用开发方向）1. 2026年的Agent应用开发，相比往年在技术范式与落地模式上有哪些显著变化？2. 你当前参与的Agent应用开发项目采用的是哪种架构？是否接触过HANAS这类新兴模式？3. 在渐进式披露的架构设计下，是否还需要依赖RAG能力？二者的关系是什么？4. 你开发的Agent应用解决了哪些传统方式难以处理的核心问题？5. 请介绍一下你在Github上参与贡献的开源项目，以及你在其中承担的工作。6. 当初你是如何参与到这个开源项目中的？7. 在Agent开发中，上下文工程最关键的工作是什么？8. 你是否了解Cloud、Open Cloud这类主流Agent框架？它们的核心实现逻辑是什么？9. 你在Agent开发项目中遇到过最棘手的技术难题是什么？10. 你是如何定位并解决这些难题的？这次经历带来了哪些技术沉淀？11. 你后续的职业规划中，更倾向于什么样的岗位和业务方向？12. 你在校的学业水平处于什么水平？身边同学的求职与学习情况如何？13. 你更倾向于在哪个城市工作？为什么？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

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...