Ai agent开发二面 快手面经

1、工具调用失败或 LLM 幻觉，怎么办？"我会把这个问题拆成两个子问题，因为工具失败和 LLM 幻觉是完全不同的故障模式，解法不能混用。工具失败有明确信号——异常、超时、错误码——我的处理是三层：先用指数退避重试，重试前让 LLM 反思上次参数哪里出了问题，相当于让模型自我纠错；重试耗尽后降级到备用逻辑，比如换一个工具或走规则引擎；如果涉及写操作，每次执行前必须记 Checkpoint，失败后能回滚到上一个干净状态，且写操作要做幂等，防止重放。LLM 幻觉更难检测，因为没有报错。我的做法是：对关键推理结果做 Self-consistency 验证，同一问题采样三次，少数服从多数；对外部事实型问题，用第二个模型做交叉 Fact-check；对于高风险操作，强制加 Human-in-the-loop 确认节点，不管模型多确定都要过人工。生产上我会为每个 Agent 实例暴露健康度指标：工具失败率、幻觉拦截率、平均重试次数，超阈值自动熔断并告警。这样从 demo 到上线，容错体系才是完整的。"2、Agent 的 Memory 怎么设计？"我把 Agent Memory 设计成三层，对应人类记忆的三种形式。第一层是 Working Memory，就是当前 LLM 的 Context Window，存当前任务的执行状态和工具调用历史。它的核心问题是容量管理——超出 window 时我不会直接截断，而是对老的消息做摘要压缩，保留语义但压缩 token。第二层是 Episodic Memory，存历史任务轨迹和用户偏好，用向量数据库按相似度检索。写入是任务结束后异步进行，不阻塞主链路。这层需要遗忘机制——我用一个重要性评分：访问频率乘以时效性衰减再乘以任务相关度，低分记录定期压缩，避免向量库无限膨胀。第三层是 Semantic Memory，存领域知识。这里有一个选型决策点：非结构化知识用向量检索，强结构化的多跳实体关系用 Knowledge Graph——向量库做多跳关系推理效率很差，这是实际踩过的坑。多 Agent 场景还要解决共享 Memory 的一致性问题：写操作加版本号做乐观锁，读操作做版本校验，防止多个 Agent 并发写入产生脏数据。"

如何快速进入这个行业，我也很久没写博客了，具体今天还是讲方法论吧，因为就是还是以主包自己的经历为体现啊，我在去年5月份的时候花了两周就速通了大模型的，然后从java转行-大模型-算子开发-agent开发-目前跟着几个博士搞wam。这些其实都是需要花时间做琢磨的，这个做事情要讲究方法的，我在秋招的时候和前mt创业开了公司，完整的错过了整个秋招，然后春招的时候我又在搞世界上最前沿的研究方向，一切都只是我想去干罢了，那把重要的写在前面就是如何快速找到工作或者快速入行啊，这一篇应该早点的，但是我事情太多又经常打游戏就忘记了，我这里以摩尔线程举例啊，首先就是你想进入这个行业是因为什么你要想好，然后找对标...

一面过后转岗被捞起来了直接从二面开始，好运来！1.面试官业务介绍（直接说该岗位是产品+研发的复合岗位，偏产品设计，快手在安全风控 PR 领域的agent应用探索，研发主要是一些 skills ，harnness engineering 搭建）2. 实习介绍（20 min）-你从业务角度分析一下你的实习经历，包括你接到需求如何处理，如何设计。-实习过程完成的工作会用哪些指标进行衡量，介绍一下包括冷启动0-1 以及上线后的如何通过用户反馈构筑数据飞轮。-那你了解哪些方法根据用户反馈去尽量全而深的了解真正痛点，从而指导你的开发工作，你实习中是否有这样的经历，如果有可以结合经历讲讲。3. AI的出现你认为会对程序员的工作造成了什么影响。4. harness engnering 是什么，你对他有什么理解- 如果让你构筑你会做那些工作。5. 基于你对agent的理解，你认为未来agent的发展会如何发展如何变化。6.快手有很多 AgentOS团队以及 AI应用开发团队，会做大量基础底层能力的建设，但是未来我们是否需要再去花重资产去投入呢？你可以说一下你对这些的理解，你可以从 模型 框架 skills 等等 方面去展开说说，哪些你认为需要重投入，哪些不需要。7. 确认到岗时间以及意向算法：反转链表反问：明确岗位面试感想： 面试官说 AI的出现模糊了传统岗位的职责边界，未来需求的是复合型人才。

#腾讯2025实习生招聘##腾讯##发面经攒人品#最近按当前筛选整理了一波面经，这次挑了 8 篇相对值得复盘的内容，方便刷题和回看。## 1. 腾讯｜AI应用开发后端实习生｜未知- 日期：2026-04-24- 关键词：Agent面经- 难度：4 星- 标签：技术面 / 约55分钟 / 有代码题- 技术栈：Agent、RAG、后端开发、DFS、设计模式### 面经总结面试重点围绕AI应用后端项目深挖，考察多Agent编排、失败重试与金融安全场景设计，并涉及RAG知识库热更新和基础算法题。### 高频问题1. 【项目经验深挖】XX有没有正式用户使用？为什么没有上线？2. 【Agent与工具调用】...