AI Agent 面试题
共 106 篇真实面经 · 涵盖 多家公司 / 阿里巴巴 / 蚂蚁集团 / 某公司 / 百度 等 63 家公司
243 篇 AI Agent 面经的话题统计:上下文、重试、幂等与超时才是高频考点
对 243 篇 AI Agent 方向面经做话题统计:上下文出现 156 篇(64%)、重试 113 篇(47%)、幂等 104 篇(43%)、超时 95 篇(39%)、RAG 112 篇(46%)、评测 103 篇(42%)。结论是岗位真正在考的不是新名词,而是长对话怎么管、失败怎么重试、重复执行怎么防、效果凭什么说变好了。
阿里 AI Agent 应用开发二面:工作流与自主 Agent 的边界、MCP、幂等与提示注入
阿里 AI Agent 应用开发二面连续十一问,覆盖确定性工作流与自主 Agent 如何划分、MCP 与 Function Calling 的关系、KV Cache 缓存什么与显存估算、HNSW 为什么快及调参后丢了什么、Embedding 微调的负样本、RAG 端到端评测、异步工具调用的并行与取消、写接口幂等、检查点与幂等的关系、检索文档里的提示注入,以及换更强模型后能否删掉提示与编排步骤。
阿里巴巴 AI Agent 应用开发一面:RAG、工具调用与检索融合
阿里巴巴 AI Agent 应用开发工程师一面:从一个售后查资料与整理工单的 Agent 项目切入,逐层追问为什么用 RAG 而不是微调、文档怎么切分、Embedding 与余弦/内积的区别、Function Calling 的完整流程、有了 JSON Schema 为何仍会出错,再回到模型基础(Attention 为什么除以根号 d、训练可并行而生成必须逐 token),最后是混合检索、重排与「正确文档进了上下文仍答错」的定位方法,并现场写一个 RRF 融合函数。
蚂蚁 AI 应用方向技术面:支付失败诊断 Agent 设计与防幻觉追问
蚂蚁支付服务方向的 AI 应用技术面:从实习项目切入,追问工具调用准确性、工具失败后模型编造、防幻觉规则与 JSON 内容校验、上下文压缩改写语义的风险;中段是支付失败诊断 Agent 的开放设计,围绕单 Agent 与 Multi-Agent、Supervisor/Planner/Executor 分层、Workflow 与 ReAct、权限设计连续追问;最后问本体与知识图谱、大促流量下的支付架构与降级。
音视频 AI Agent 一面:一致性哈希、gRPC 与 B+ 树三层能存多少行
一场音视频方向 AI Agent 岗的一面,全程围绕简历深挖:先追实习里缓存是不是全量数据、预热的是不是周活、周活多少,再让用画板画开源项目的架构与链路,追问一致性哈希的实现与权重配置、HTTP/HTTPS/gRPC 的区别与 Netty 原理、Java 与 Go 的并发模型差异和 Go 的锁,接着是 MySQL 的索引类型、联合索引的表结构分析、B 树与 B+ 树的区别、三层 B+ 树能存多少行,最后是一道求中位数的算法题并追问快排遇到大量重复元素的退化。
百度 AI Agent 开发一面:提示词、上下文预算与异步并发十二问
围绕一个「根据笔记出题」的课程项目连环追问:提示词与 few-shot 的取舍、temperature 与 top_p 的区别、上下文超限的裁剪顺序、结构化输出与分层校验、工具参数语义与错误契约、Agent 循环的退出条件,最后落到 async/await 与 asyncio.gather 的并发实现。
百度 AI Agent 开发二面:流式解析、判分口径与事务边界
百度 AI Agent 开发工程师二面全程围绕一个「生成测验」的项目追问:流式输出改善的是什么、首字延迟与总耗时的区别、流式 JSON 怎么判断结束、中断后能否让模型接着写、客观题为何用程序判分、类别不平衡下准确率为何失效、按失败样本改提示词是否过拟合、Mock 与真实模型评估的分工、事务该覆盖哪些步骤、SQLite WAL 能否并发写,最后是一道「生成五题只显示两题」的排查题。
字节跳动 AI Agent 开发工程师一面:BPE、字符偏移、缓存一致性与并发去重
字节跳动 AI Agent 开发工程师一面,题目围绕一个「文本清洗 + 视频片段定位」的真实工程场景层层展开:BPE 为什么能处理生僻词、Python 长度与前端位置为何对不上、只存清洗后文本和起始时间够不够、能否直接用原文哈希做缓存键、LRU 与 LFU 及 TTL 怎么选、手写 O(1) 的 LRU、有 GIL 为什么还需要锁、多进程是否一定更快、十个请求同时算同一素材怎么合并、计算期间源数据从 v1 更新到 v2 如何避免旧结果污染缓存。
字节跳动 AI Agent 开发二面:从 Prefill/Decode 问到沙箱边界,十问全是工程判断
字节跳动 AI Agent 开发二面十问,前五题在模型服务层:Prefill 与 Decode 的工作差异与优化重点、变长请求同批的 padding 浪费与按长度分桶的代价、FlashAttention 是否近似、商品资料复用能否命中前缀缓存、命中率高但端到端没变快怎么验证;后五题在 Agent 层:推测解码的接受与修正、程序化工具调用与逐次工具请求的差别、依赖图的最短耗时计算、代码预筛素材后如何保留可核实证据、模型写代码调工具时沙箱要隔离什么。
华为 11.19 线上一面二面主管面:max cover 变种、Agent 记忆与三面连面实录
华为秋招一场拖了两个月的面试:9 月底笔试、性格测试挂掉后重测,深圳与广州的线下面先后取消,最终 11 月 19 日一个下午线上面完三场。一面聊性格、拷打简历与基模训练,再 15 分钟手撕一道 LeetCode mid;二面深挖实习与 Agent(记忆、同 session 与跨 session、记忆检索、超大规模工具路由、Agent 范式),算法题是 max cover 的变种,只能贪心枚举加剪枝;主管面聊学习与实习经历、对华为的看法与 B 端 Agent 业务的商业化。当晚收到感谢信,次日晚状态入池,面评 3A。
即时设计前端实习一二面:MCP 与 Skill 的区别、FOUC 根因、Bundle 降 34% 怎么做的
即时设计前端实习两轮面:一面一半问 AI(对大模型的理解、token 是什么、MCP 与 Skill 的区别、用 AI 独立完成需求的流程与质量保障、Agent 与 LLM 的区别),一半问八股与手写(CSS 层叠性、reset 与 revert、merge 与 rebase、箭头函数与 this、宏微任务、三列布局不用 gap、手写 Promise.all)。二面全部拷打实习:主题切换为什么用 CSS variable、FOUC 的根因与修复、多端 UBC adapter 双写、native toast 的 bridge 通信、埋点双写的遗漏与补救、子 Agent 做了什么、Bundle 治理降 34%、延迟加载、其他性能指标与治理后的数据。
快手 AI Agent 一面:视频检索的倒排索引、BM25、时间 IoU 与引用约束
快手 AI Agent 开发一面,全程围绕一个「从整场直播里找回某句话或某个动作」的检索 Agent 追问十一轮:倒排索引为什么要存词位置、BM25 的词频饱和与长度归一化、图文对比学习在学什么、切窗长度与步长各控制什么、时间 IoU 为什么惩罚「整段都报」、时间维度的非极大值抑制、两段证据怎么拼成一次事件、约束解码能否消除引用幻觉,最后是 Recall@K 与「第一次」这类需要覆盖度的问题该怎么答。
某半导体公司 AI Agent 一面:上下文压缩、记忆机制与 pgvector 被连续追问的 28 分钟
人工智能专业本科、做过 Agent 与 RAG 项目的候选人在秋招中的一面记录:28 分钟里先问学习方式、优势短板与部署经验,随后围绕实习中的 Agent 记忆模块连续追问上下文压缩怎么做、与 MySQL 存储是什么关系、为什么换 PostgreSQL、向量怎么生成与检索、百万级用户的表结构与分库分表依据;中段要求共享屏幕现场调研 Claude Code、Cursor 的记忆机制,结尾留下四个关于压缩阈值、记忆架构与 Agent 是否必须有记忆的问题让候选人整理后回复。
OPPO Agent 一面:框架抽象、上下文压缩与记忆分层
OPPO Agent 岗位一面,围绕自研 Agent 框架展开:如何抽象 ReAct 等架构、上下文压缩怎么做、工具数量多时如何召回,再以办公助手为例追问长程任务的规划与执行分离、多 Agent 上下文共享与记忆分层。
拼多多 AI Agent 岗一二面:RAG 切块评估、记忆分层与多 Agent 协作
拼多多 AI Agent 岗一二面面经:围绕 RAG 的切块策略与效果评估、短期与长期记忆各存什么、多 Agent 如何分工与共享状态、意见冲突怎么处理,以及手写 LRU 缓存,附备考时的答题思路与补强计划。
一场笔试的记录:408、机器学习与 Agent 不定项,加四道编程题
一条简短的笔试记录:12 道不定项选择题加 4 道编程题。不定项覆盖 408(数据结构、操作系统、计算机网络、组成原理)、机器学习与 AI Agent;编程题四道——已排序数组的二分查找上下界、LRU 缓存、二叉树最大路径和、包含所有字母的最小子串。
淘天 AI Agent 二面:幻觉治理、评测闭环与十万条轨迹的后训练取舍
淘天 AI Agent/大模型应用研发二面:没有传统后端八股,全程围绕两段 Agent 经历深挖。链路部分追问纯 LLM 方案为什么失败、如何演进到 Code + LLM、换更强模型是否解决;评测部分追问指标口径、评测集与 Ground Truth 来源、线上 badcase 回流与自迭代;建模部分追问 Ontology 与 Action 的语义统一边界、新增 Action 的完整流程;执行部分追问第三步失败后的重规划与并行调度;最后落到十万条轨迹的清洗、哪些问题该改提示词与工具、哪些进后训练,以及两条都成功的轨迹怎么构造 DPO 偏好对。
淘天 AI Agent 一面:本体化与 RAG 之争、三层 Agent 架构与记忆设计
淘天会员技术团队 AI Agent / 大模型应用研发一面:先用大半场追问「能力开放与本体化」项目——本体和普通 RAG 的区别、是否全量本体化、效果提升来自结构还是人工整理、强 Schema 校验相对 Tool Calling 的必要性、维护门槛由谁承担;随后深挖个人项目「航旅故障排查 Agent」,围绕三层架构是否等于三个 Agent、为什么不用单 Agent ReAct、混合检索与自适应 RAG、无生产环境时指标从哪来展开;最后是 Agent 组件、System Prompt 组织、上下文压缩、会话存储、暂停与恢复、记忆的时效与衰减。
腾讯云智二面复盘:volatile 单例、epoll 的 LT 与 ET、Agent 记忆管理
腾讯云智二面后整理的备考题单:双重检查锁定单例里实例引用为什么必须加 volatile、epoll 的 LT 与 ET 在「数据没读完」时的行为差异与非阻塞读到 EAGAIN 的写法、AI Agent 的上下文工程与记忆管理分别解决什么问题,以及 TIME_WAIT 与 CLOSE_WAIT 在连接关闭流程中的位置。
新凯来 Agent 开发面经:技术面简单聊天,HR 面却挂了
新凯来技术面记录:先讲 OPPO 的项目与日常做事方式,接着问 Agent 的完整流程、如何评估 Agent、MySQL 底层、线程池参数与执行流程,其余问题是闲聊。技术面通过,第二天 HR 面挂掉。
启云方 AI Agent 二面:后端面试官逐字追问一个全栈项目
启云方 AI Agent 秋招二面约半小时,面试官是后端方向,顺着简历上一个全栈项目逐字追问后端细节,占了大半时间;候选人对该项目的后端部分不熟,多数问题没答上来,最后一道八股是 Java 垃圾回收机制,只答出一半。
坤电科技 数据开发二面:从数据链路追问到 CDC 中断恢复
坤电科技数据开发二面:先让候选人完整讲一遍数据链路与指标口径,再追问核心表、CDC 任务中断两小时如何补数、时区零点偏移、事件时间写入造成的数据倾斜与 HDFS 容量核算,最后聊 AI 使用与自建 Agent。
Agent 项目面试为什么答对了还挂:Agent、RAG、Tool Calling 的深挖点
一篇讲 Agent 项目面试的长文:为什么用 Agent 而不是 Workflow、RAG 的切分与混合检索、Tool Calling 的失败处理与幂等、LangGraph 的 State 与 Memory、以及怎么证明优化有效。
Agent 面试怎么练到能接住追问:RAG 答错先查什么、上下文压缩保留什么
一篇 Agent 面试练习方法帖:用「先口述、再加条件」的方式练追问,并给出 RAG 答错排查、上下文压缩、工具超时恢复三道题的参考答法。
Agent 面试自测:跑了 30 轮停不下来,先设步数上限还是先做重复检测
一篇 Agent 面试自测帖:把答案拆成评分点来检验「会不会被追问」,并给出「Agent 跑 30 轮停不下来,先设步数上限还是先做重复检测」这道题的评分维度。
阿里巴巴 AI Agent 研发一面面经
阿里巴巴 AI Agent 研发一面,先手撕最长有效括号与岛屿数量(DFS、BFS 两版),再围绕 CR Agent 的架构取舍、Workflow 与自治 Agent 选型、ReAct 与 Plan-and-Execute、Skill、MCP 与 Function Calling 的分层与渐进式加载、Harness 与框架关系,以及上下文压缩、工具兜底、多 Agent 冲突、RAG 排查和缓存一致性展开。
阿里边缘 BU 一面:三级 Agent 架构被追问十七层
88 分钟的架构面:为什么拆成三级 Agent、复杂度到底去哪了、编排层为什么不用 workflow、上下文怎么保证不漏又不膨胀、评测集和准确率怎么定义、成本与 3 秒延迟怎么取舍,手撕是带依赖的任务调度求最短完成时间。
蚂蚁集团 AI Agent 开发复活赛二面:CR Agent 三级架构深挖
蚂蚁集团 AI Agent 开发岗复活赛二面:以候选人亲手做的风控归因 Agent 为主线,围绕 Markdown 记忆管理与 RAG 的取舍、语义匹配准确性与匹配错误的兜底、Agent Teams 与 Workflow 编排的对比、多工具调用的执行流程与顺序、function calling 的底层机制、短期与长期记忆的实现、MCP 解决什么问题,深挖三级 Agent 架构的分层理由与上下文传递;另考多模态文档解析的早中晚融合取舍、纯视觉模型改造为 VL 模型要重设计哪些模块,手撕二叉树最近公共祖先,面试通过进入后续流程。
蚂蚁集团 AI Agent 应用面经:12 道题的回答思路与追问方向
蚂蚁集团 AI Agent 应用面经:同一位作者在同一场面试后整理的 12 道题,覆盖 Agent 记忆与 RAG、多 Agent 与 Workflow、无人审核的稳定性、工具调用与 MCP 降级、中心调度、KV Cache、B+ 树、GIL 与线程安全最小栈。
蚂蚁集团 AI Agent 开发面经:记忆设计、多 Agent 协作与工具调用
蚂蚁集团 AI Agent 开发面经:从 Agent 项目落地问到 Markdown 记忆与 RAG 的取舍、多 Agent 与 Workflow 的边界、无人审核下的稳定性、工具调用与 MCP 的失败降级,再考 KV Cache、B+ 树、Python GIL,最后手撕 O(1) 取最小值的线程安全栈。
Awaken AI Agent 一面:图编排、幻觉治理与效果判定
围绕实习里的 agent 项目逐层追问:为什么做 agent、图节点怎么设计、跳步了怎么办、幻觉怎么治理、评测集怎么建、为什么选 LangGraph 而不是单 agent、加业务怎么扩展、前后置校验、上下文与成本、执行到一半中断怎么办,最后手撕网格游戏。
哔哩哔哩 Java后端(交易)一面
哔哩哔哩 Java 后端交易方向一面凉经:全程 25 分钟,主要问手上 offer 与一面挂的原因,八股只考 AQS、Java 如何实现线程安全、Agent 常见设计模式与选型,外加实习简单询问、AI 对开发人员的冲击与反问,未问项目。
字节跳动 Agent 开发一面:Harness 没答上来,居然还能过?
字节跳动 Agent 开发一面面经:开场被「你们项目的 Harness 层怎么设计」问住,后续围绕 Agent Loop 与 Plan/Executor/Checker 分工、路径震荡、上下文与工具描述治理、多 Agent 文件冲突与通信、长任务延迟排查、工具调用容错、记忆分层,以及 HTTPS、根证书、进程线程、ThreadLocal、BeanFactory、ROW_NUMBER 等基础题与手写合并嵌套 JSON 展开。
字节跳动 AI Agent 开发二面面经
字节跳动 AI Agent 开发二面,从项目深挖切入,覆盖长期记忆的存储与读取、上下文压缩取舍、多 Agent 协作防死锁、单 Agent 与 Workflow 选型,以及父子切块、混合检索与重排、向量库更新失效;八股部分考 HTTP 与 RPC 选型、HTTPS 与根证书、进程线程与协程、GC 策略、缓存三大问题,另有日志统计手撕与效果评测。
字节面经-字节跳动AI Agent开发岗面经-08
字节跳动 AI Agent 方向五场面试合集:从 Coding Agent 的工具调用链路、上下文与持久化策略、安全执行边界,一直追到 RAG 混合检索与评测体系,另含 MySQL 索引、Redis Bitmap 计数等基础八股和手撕算法。
字节跳动 AI Agent 开发面经合集:动态 UI 渲染、MCP 与 Skill 设计
字节跳动三场面试合集(2026 年 10 月 12 日、13 日,其中两场标注 AI 全栈开发工程师、一场为 AI Agent 开发岗):第一场深挖实习项目的数据转发链路与 DDS 选型,问了 MySQL 事务隔离级别与索引、JS 事件循环和一道 DP 手撕;第二场几乎全在 Agent 链路上,从 prompt 到订单生成、动态 widget 渲染与前后端绑定、JSON 生成成功率与流式渲染,到 MCP、Skill 的组成与加载上限,再问 URL 到页面的全链路优化和闭包手写;第三场集中在 Agent Loop 的防死循环、Replan 与 Workflow 的适用场景、跨会话上下文与 Skill、MCP、CLI、plugin 的取舍。
字节 AI Agent 一面:科研追问与现场编码
字节跳动 AI Agent 一面:面试官对科研方向的追问占了大半场,围绕怎么评估效果、怎么证明方法的增量与价值反复深挖;随后问怎么保证 AI 生成代码的质量、平时用 AI 做过哪些探索;最后是现场 AI Coding,给一个任务不断加需求、工具不限,面试官提供的 API 一直报错导致改用自备工具,任务没做完时间就到了。
字节跳动大数据开发面经(10.9)
字节跳动数据团队大数据开发面经:从湖仓建设切入,深挖 Iceberg 的优点、Time Travel 的 SQL 写法、数据写入方式与文件组织,追问 Hive 表在 HDFS 上的物理存储和「分层分桶降低存储」的真实含义,后半场围绕智能问数 Skill 的实现与幻觉强控展开,并介绍了团队 AI 提效的两条线。
长鑫存储 AI Agent 开发一面:ReAct、MCP 与 RAG 全链路 30 分钟连问
长鑫存储 AI Agent 开发一面,严格 30 分钟:从个人 AI 助理的单/多智能体架构与长短期记忆切入,连问 ReAct 的实现与缺陷、MCP 与 Skill 的原理和区别、DeepSeek Harness 的插件化设计,再转到 Redis 分布式与秒杀链路,最后是 RAG 全流程、Query Rewrite、召回与耗时优化。
CVTE AI 原生智能体面经:从 ReAct 到 Runtime
视源股份 CVTE AI 原生智能体岗面试:从 ReAct 循环的实现细节与 tool call 校验,一路追问上下文压缩、长期记忆、多 Agent 通信与冲突、效果评估、多厂商抽象与成本控制,最后手撕一个简化版 ReAct 循环。
CVTE 视源股份应用开发一面:LLM 评测体系与 Agent 架构演进 28 问
CVTE 27 届应用开发工程师一面,全程围绕一段日志分析 Agent 实习深挖:评测体系怎么设计、Case 覆盖率与随机性怎么处理、多工具并行调用的顺序与失败处理、上下文管理与可观测性、AI Coding 的工程约束、以及从「分类器加专家工作流」到「双 Agent 加裁决」的架构演进,最后手撕有序链表去重及其变体。
得物 Java开发工程师 二面
得物 Java 开发二面凉经:基本不问八股,全程拷打实习产出与 AI 工程实践,追问 ReAct 与 Plan-and-Execute 的区别、意图识别、AI 代码质量保障、Java 泛型与泛型擦除,以及 RAG 准确率如何提升。
滴滴 企业级算法实习生 一面
滴滴企业级算法实习生一面面经:四十分钟几乎全在问实习与项目,围绕 agent 框架选型与模型选择、微调与 RL、badcase 与评估指标维度、数据集格式与自监督训练效果验证、DPO 训练流程与数据来源、agent 编排与重试评判,最后问 Transformer/MHA/KV Cache 与 AI 辅助编程。
纷享销客后端面经:SingleFlight、线程池隔离与三数据源一致性
北京纷享销客后端面经:围绕 AI 面试项目的 SingleFlight 去重、Redis Lua 原子性、脑裂与版本校验、请求聚合与极端数据量、线程池隔离与拒绝策略、MySQL/Redis/MongoDB 三源一致性,最后问 Agent 调用链路、工具注入与 harness。
恒生电子面经-恒生电子AI Agent开发岗面经-01
恒生电子 AI Agent 开发岗 4 场面经合集:一面问 JVM、MySQL 索引与 MCP;二面围绕实习项目、Agent 框架选型、Redis 数据结构与持久化、ThreadLocal 线程池复用展开;三面最硬核,从 Python 装饰器、InnoDB 加锁与 B+ 树,一直问到 MCP 交互流程、上下文管理、长期记忆检索、RAG 与微调选型、受控编辑与 LangGraph Checkpoint。
海康威视 AI Agent 一面:工具编排与上下文压缩
海康威视 AI Agent 开发一面:从上下文构造、意图判断、工具参数与失败重试,到多轮压缩、记忆与幂等,用出行场景连环追问编排与降级,最后手撕最长子数组和为 k。
海信聚好看一面
海信聚好看一面,围绕从零设计 Agent、Skill 与知识库落地、Redis 缓存定位与更新策略、令牌桶限流与压测方案,以及 JVM 类加载顺序、Synchronized 与 ThreadLocal、堆内存分配等 Java 基础展开。
科大讯飞飞凡计划研发面经:数据治理 Agent、Skill 治理与换模型的耦合成本
科大讯飞飞凡计划研发岗面经:全程围绕 AI 与数据展开,从指标打标与数据治理链路,追问到 AI 能否独立完成全链路治理、Memory 能否替代人工文档、换底层模型是否要重评全套 Skill,以及多 Agent 拆分与自进化系统的可行性;末段问了实习收获、AI 数据开发需要补的能力与学习渠道,并被明确告知岗位不做数据治理、聚焦人机交互。
影石 Insta360 三面:Agent 幻觉归因与端云分工
影石 Insta360 AI Agent 开发三面:围绕开源选型与项目难点展开,深挖幻觉分类与定位、高风险操作防越权、RAG 与 LangChain 踩坑、评测框架可信度、多 Agent 协作的结构化协议与成本控制,并延伸到硬件场景的端云分工与弱网降级,最后手撕余弦相似度及其百万对向量的优化。
空山慈 AI Agent 一面:Transformer、训练资源与医疗 AI 方向
空山慈 AI agent 一面(10.26):从毕业时间、AI 框架与 PyTorch 项目问到用的什么卡、几张卡、数据集多大,再聊 Transformer、医学影像经验与是否愿意深耕医疗 AI,最后问到日常 AI 工具与国产模型。
美团 AI Agent 与 MiniMax 大模型算法:面试官都在问「怎么证明它行」
两场大模型方向面试的复盘:美团 AI Agent 岗 70 分钟围绕成功率口径、评测集来源、失败归因追问;MiniMax 后训练岗深挖 SFT 数据配比、RL 奖励设计与消融对照,共同点是可验证性。
美的技术岗一面面经
美的技术岗一面面经:考察 Spring 事务注解原理、线程池核心参数与执行流程,以及业务 Skills 的编写与自进化,并追问实习项目难点和对 Agent 的理解。
国网南瑞软件研发一面:Agent 协作与工具设计
国网南瑞软件研发一面:五个面试官同场轮番提问,负责人先做压力式追问(科研项目来源、为何两个 Agent 协作),博士问 AI 代码的正确性校验与旧代码改造,组长问七类工具设计、大模型选型与 Spring Boot 注解和自动注入,HR 问选南瑞的理由;作者面试通过但拒了 offer。
网易互娱 AI应用开发 日常实习 一面二面
网易互娱 AI 应用开发日常实习面经:一面约 40 分钟,考 coding agent 架构图、MCP 与 Skill 的关系、MCP 协议实现方式、模型限流错误码与并发控制、缓存命中率差异;二面约一小时几乎全是内部业务场景题,围绕 AI 自动分析报错并提交 MR 的系统设计、Agent 持续改码下的质量保障、AI 代码审查的可信度、AI 提效测试与屎山代码治理。
蔚来 AI 智能体应用研发一面:40 分钟里大半在写数学题
蔚来 AI 智能体应用研发一面真题:先问项目「智能到底体现在哪」、是个人项目还是师门项目、为什么没有企业实习,再连出三道偏数学逻辑的算法题(非 Hot 100),接着追「Spring AI 封装的最大创新点」,最后问遥感专业转应用开发怎么想。40 分钟面试一大半时间在手撕。
OPPO小布助手AI Agent一面面经
OPPO 小布助手 AI Agent 一面,全程围绕 Agent 工程落地展开:检查点与校验器保障长流程、幻觉的三层防护与置信度判定、多 Agent 场景下的上下文压缩、LangChain 与 LangGraph 及原生手写选型、线上限流降级熔断与自动化运维,以及知识库建设保鲜和 AI 辅助开发的信任边界。
OPPO 小布助手 AI Agent 一面面经:被问懵的 30 分钟与复盘建议
OPPO 小布助手 AI Agent 岗一面复盘:面试官不寒暄,直接从「对话系统里的工具调用与外部 API 设计」切进项目,追问多数据源调用顺序与空值兜底、规划出错的发现机制、校验层放端侧还是云端、工具超时的状态机处理,并用「订机票并同步日历」要求现场拆解规划器、执行器与记忆模块的分工,还问了端侧模型的裁剪与推理加速。
拼多多 AI Agent 二面:双机位、1M 上下文也不够怎么办?
拼多多 AI Agent 二面面经:从 Agent 代码生成链路全流程切入,追问上下文超限与 1M 窗口仍不够的工程方案、服务重启后的断点续传与状态存储、多 Agent 同时改文件的冲突与分布式锁、Codebase Memory 维护与代码审查 Agent,后半场考 MySQL 索引为何用 B+ 树、Spring Bean 注入、大模型缓存机制、长耗时任务资源隔离与评测体系,并手写可泛型、带过期时间且线程安全的 LRU。
启云方 AI Agent 开发秋招一面
启云方 AI Agent 开发一面从项目切入,因后端背景追问 Spring、Redis、消息队列、状态机和大数据,整体更偏后端基础。
深信服 AI Agent 一面:沙箱隔离与安全设计
深信服 AI Agent 开发一面:从 Agent 定义与 Planner/Executor/Critic 三角色架构切入,重点追问工具越权、Prompt 注入、沙箱逃逸与宿主机文件拦截、多租户隔离与千级沙箱调度、评测集构建与 bad case 回流,最后手撕有效括号判断。
Shopee 大数据开发一面:项目、Spark 与数仓场景
Shopee 大数据开发一面以项目场景为主,追问 Spark 慢任务、AQE、ETL 调度、HDFS 副本、数仓难点、AI Agent 与数仓结合,并现场写 SQL。
国药控股 AI Agent:意图识别与工具挑选
国药控股广东生物科技 AI Agent 岗面试(2026.10.15):围绕 LangChain 多节点实践追问意图识别、工具挑选与 AI 输出 JSON 的稳定性,也问了虚拟滚动的实现原理与渲染等待方式,以及用 Codex 按 spec 开发的流程;后半段是专业学历、岗位前景一类开放问题。
腾讯 WXG 实习 一面(AI Agent 方向)
腾讯 WXG 实习一面面经:围绕 AI Agent 项目落地成果追问真实代码产出比例、Harness 选型、从需求到合入 PR 的全链路、需求拆解与审查模块自研与否,以及如何系统性校验生成代码的可用性与合规性;场景题涉及用 UI 设计稿让 Agent 自主校验还原度、RAG 召回相关性量化与多路融合重排;手撕二叉树路径总和与最长递增子序列(含 O(n log n) 优化)。
腾讯 WXG 实习 一面(另一份同场记录)
腾讯 WXG 实习一面的同场记录:同样围绕 AI Agent 项目的 Harness 选型与全链路流程、代码可用性与合规性校验、UI 还原度自动化验证方案、RAG 相关性量化与多路融合重排,以及 Computer Use 与 Playwright 的对比和一道团队 AI 提效方案设计题,手撕为二叉树路径总和与最长递增子序列。
瑞银 UBS 金融科技学徒一面:全英文四对一,RAG 全链路与 Agent 编排连环追问
瑞银 UBS 金融科技学徒一面(1 小时,基本全英文):两个部门四位面试官轮番面,先问 AI Agent 项目与 validation agent 的质量控制、指标来源,再深挖 RAG 的输入、query rewrite、chunk 与父子索引,还有「给量化团队做 AI 助手」的端到端场景题,最后问 LangGraph 编排、工具与 MCP 的部署位置、Agent 与 workflow 的区别以及 skill 和 MCP 的取舍。
微店 AI全栈 一面
微店 AI 全栈一面面经:围绕 agent 项目的状态机流转、从 query 到输出的全流程、意图识别与量化指标、模型选型依据、上下文与记忆机制(短期记忆与用户画像)、微调语料,以及 AI 参与资金类操作时的安全边界。
无锡赫玛科技 AI应用开发面经:Agent 架构、RAG 与高并发系统设计
无锡赫玛科技 AI 应用开发面经:围绕电视客诉分析 Agent 的架构演进与 RAG 知识库选型、ReAct 深度排障循环的工具链设计,以及缓存穿透、悲观锁乐观锁与 40 万条客户数据的系统设计和缓存一致性。
小红书 AI Agent 开发 一面:评测集、上下文压缩与 MQ 幂等
小红书 AI Agent 开发一面,全程围绕项目:Agent 平台模块与验收、混合检索评测与标注、上下文压缩与 usage 统计、模型切换后的摘要污染、human-in-the-loop 参数补齐与服务端校验,最后深挖 MQ 幂等和消费者崩溃后的状态一致性。
小红书 AI Agent 一面:八皇后与记忆读取设计
小红书 AI Agent 一面:约 15 分钟手撕八皇后,随后约 15 分钟深挖实习的 Agent 项目,要求完整叙述从 query 到输出的全流程,并追问上下文怎么设计、记忆从什么维度读取、读到的旧记忆与后来的记忆冲突了怎么办;整体节奏很快。
小红书国际化开发秋招一面:运维 Agent 设计与实习项目连环追问
小红书国际化开发工程师秋招一面:算法是岛屿数量,场景题要求设计一个监测线上服务的运维 Agent(输入输出、数据流转、架构编排、工具调用),随后围绕实习项目连续追问 Skills 渐进式披露、Agent 路由、提示词注入防护、上下文管理、异步回调、指标测算、幂等与分布式锁、线程池与脱敏重试,最后是 HashMap 与 ConcurrentHashMap 八股。
小米 AI Agent 二面:金融理赔的确定性与追责
小米 AI Agent 开发二面:以传统后端与 LLM 应用差异开场,围绕保险理赔 Agent 的工具编排、材料不全与改口供处理、金额校验与转人工、权限与审计、追责与可观测性展开,延伸到金融风控 Agent 的规则引擎配合、误杀漏杀权衡、A/B 与 ROI 归因,最后手撕幂等状态机。
月之暗面 AI Agent 二面:代码生成链路与调度
月之暗面(Kimi)AI Agent 开发二面:围绕代码生成全链路的状态设计与断点恢复、Codebase Memory 与知识库检索、多 Agent 文件冲突,一路问到 B+ 树、缓存穿透击穿雪崩与分布式锁,最后手撕 LRU Cache。
AI Agent 开发岗面试题:55 道真实面试里的追问
一份 Agent 开发岗的面试题清单,覆盖技术选型、框架与 runtime、工程细节、多 Agent 协作、对齐与幻觉、评测、安全与开放设计八个方向;问题集中在判断依据与落地细节上,而不是 API 记忆。
Agent 岗面试问题整理:规划、工具调用、记忆与评估的连续追问
一份 Agent 岗面试的完整追问记录,全场约五十分钟:从项目里最复杂的一次工具调用切入,覆盖 Agent 与普通大模型调用的边界、规划模块与工具异常的连续追问、长短期记忆设计、多 Agent 协作与评估指标,最后是售后工单 Agent 的开放设计题。
阿里一面 45 问:Agent 中断恢复、Skill 的生产与进化、分布式事务
阿里一面几乎全程围绕 Agent 工程能力展开:从实习项目的难点追问到中断恢复、记忆连续性、防幻觉、Skill 的生产/评估/监控/进化,再到多 Agent 协同与分布式事务、缓存一致性、Redlock、跳表、MQ 不丢消息与单消费者异常,最后落到 ConcurrentHashMap 与 CAS 的 ABA 问题。
阿里巴巴 AI Agent 开发岗面经合集:长视频理解项目复盘
阿里巴巴 AI Agent 开发岗两场面试:围绕长视频理解 Agent 深挖 Planner-Executor-Critic 工作流的受控点与循环防护、混合检索策略、Checkpoint 分级与分布式锁、Agent 空转与死循环治理。
阿里云 AI Agent 开发岗面经合集:RAG 检索与存储优化
阿里云 AI Agent 开发岗两场面试合集:一面追问实习中 Agent 存储查询优化与完整存储链路,二面系统考察 RAG 的文档切分、向量与 BM25 混合检索、多跳检索、Query Rewrite、文档访问控制与长对话摘要压缩。
阿里云 AI 应用开发一面
阿里云 9.20 一面记录:前半段围绕 Agent 项目,追问工具串行与并行的取舍、多层上下文共享与压缩时机、工具调用轮次与多租户隔离,以及从 Hello Agent 改到 LangGraph 的改造;后半段是 SQL 执行过程、redo/undo/binlog、Redis 单线程与 Python 协程等八股。
阿里国际 AI Agent 开发岗面经合集:多 Agent 协作与记忆
阿里国际 AI Agent 开发岗两场面试:一面深挖 Agent 架构分层、工具调用原理、记忆系统分级与多 Agent 通信的不确定性治理,手撕二叉树最近公共祖先;二面围绕 Agent 自主改代码、MCP 与 Skill 的职责边界。
阿里云 AI Agent 算法一面面经全解析
阿里云 AI Agent 算法一面 20 题:KV Cache 显存估算、Agent 上下文治理与取消、MCP 调用流程、RAG 父子索引、ReAct 与 Plan 取舍、多 Agent 协作与死循环兜底,另考分布式 ID、缓存、Redis、ThreadLocal、Spring 与 TCP。
百度 AI Agent 开发岗面经:LangGraph 架构与高并发会员保障
百度 AI Agent 开发岗四场面试题目合集,围绕 LangGraph 迁移成本、Agent 评测集设计、Harness 工程、高并发下会员优先级保障,以及 MCP 与 Skill 的区别、KV Cache、TIME_WAIT 等基础题。
百度 AI Agent 开发岗面经:记忆模块与上下文压缩
百度 AI Agent 开发岗五场面试题目合集,重点考察本地 Agent 排查异常进程与沙箱并发、长短记忆冲突、企业内部知识问答 Agent 方案、Skill 与工具调用链路、上下文压缩,以及分库分表、CAP、缓存穿透等后端基础。
哔哩哔哩 AI Agent 开发一面面经全解析
哔哩哔哩 AI Agent 开发一面记录,18 道题覆盖 Agent 核心模块与 Chatbot 的区别、意图识别的三种实现与少样本稳定性、RAG 全流程与召回问题定位、切片与 Embedding 选型、LangChain 与工具调用机制、记忆设计与循环保护,最后手撕合并重叠区间。
Binance AI 全栈开发实习一面面经
Binance AI 全栈开发实习一面面经,全程约一小时中文面。前半程围绕实习与个人 Agent 项目展开,追问多 Agent 编排、质量检查不通过怎么办、RAG 规则维护、工具体系与 MCP/skill 的理解、异步路由的设计;后半程是渐进式手撕——先写存取款模拟,再让 AI 改写代码并由候选人挑错,最后加码到允许透支的结算顺序问题。
字节跳动 AI Agent 开发一面面经(含完整答案)
字节跳动 AI Agent 开发一面记录,围绕 Agent 项目闭环展开:简历评分的结构化输出、RAG 离线上传与在线问答链路、Harness 运行时治理、长程任务延迟定位、工具调用可靠性,以及上下文压缩与信息保真;算法题为构造小于 n 的最大数。
CVTE 数据分析师面经(含 AI 取数助手设计)
CVTE 数据分析师岗位面经,面试时间 9.21。题目覆盖职业规划、指标口径冲突的处理、经营分析驾驶舱设计、看板加载 20 秒的定位优化,以及自然语言取数助手的设计与验收、幻觉抑制、多 Agent 纠错、AI 写 SQL 的注意事项与业务推广。
美团核心本地商业后端一面:从 COW 追问到 Go 调度
美团核心本地商业后端一面:实习项目逐条深挖 COW 优化、插桩开销、异步日志完整性,八股覆盖 epoll 触发模式、TCP 拥塞控制、Go 的 GMP 与 defer、Raft 一致性,算法是零钱兑换和删除链表倒数第 N 个节点。
宁德时代工业 Agent 岗线下一面凉经
宁德时代工业 Agent 岗线下一面凉经,面试只有自我介绍与研究生课题两项,全程十分钟结束,面试官直接建议不要往 Agent 方向挤,作者判断岗位与自身方向不匹配。
绿盟科技 Agent 开发一面:全程 25 分钟的后端八股
绿盟科技 Agent 开发岗一面记录,全程约 25 分钟。作者自我介绍没讲完就被打断,项目只问了一点,之后一直在问 MySQL 和 Redis 八股,Agent 相关内容完全没有涉及;作者推测与面试时会议屏幕位置让面试官产生怀疑有关。
淘天集团 AI Agent 开发岗面经合集:RAG 链路与场景题
淘天 AI Agent 开发岗两场面试:场景题考 URL 瞬时流量冲击的处理策略与实时商品销量 Top-10 排行榜,另有会员价满减计价系统的 AI Coding;技术面围绕 RAG 链路、文档切分、Top-K 取舍与知识库权限控制。
腾讯AI Agent开发岗三场面经(评测、Agent Loop与内容安全)
腾讯 AI Agent 开发岗三场技术面,围绕实习项目深挖评测体系:评测集构建与覆盖、人工归因自动化、Agent Loop 设计,以及元宝内容安全检测指标与 RAG 文档切分策略。
滴滴后端实习一面面经
滴滴后端实习一面深挖Agent异步任务系统,重点讨论Kafka与MySQL任务链路、失败恢复、幂等执行、乐观锁、任务租约和热点文档并发更新。
美团 AI Agent 开发岗面经:RAG 切分、多 Agent 协同与上下文压缩
美团 AI Agent 开发岗两场面经:一面围绕 Agent 架构与 RAG 全链路,追问切分策略、多 Agent 任务分配与状态汇总、上下文过长怎么治理、路由机制与上下文压缩;二面深挖项目里的真实问题单链路、workflow 与 Agent 的取舍、CLI 工具封装、参数补全与 Skill/MCP/Function Calling 的分工。
合肥某小厂Java后端面经
合肥某小厂Java后端面经,面试官围绕自学背景和AI Agent CLI项目深挖ReAct/Plan实现原理、AI辅助编程占比,并考察RAG基本流程等前沿知识点。
腾讯FDE岗位求职五项核心考察
腾讯FDE岗位求职考察要点,涵盖AI技术演进、主流落地产品、行业需求判断、Skill与专家团实操,以及面向客户的沟通协作能力。
小红书 AI 后端社招三轮技术面面经
小红书AI后端社招面经,技术面重点考察内容审核Agent、生态治理系统、MCP与Skill、AI Coding评审及线上故障处置,另包含HR薪资沟通复盘。
ThunderBit AI后端一二面面经
ThunderBit AI开发岗一面面经,视频面时长约55分钟,面试官为技术负责人,重点深挖状态机流程设计、分布式锁与幂等防重的区别、Redis热数据缓存设计动机及故障恢复方案,以及AI调用工具的完整流程。
字节跳动抖音AI全栈开发一面面经(三面已挂)
字节跳动抖音AI全栈开发一面面经,时长42分钟,深挖智能体ReAct模式执行流程、死循环成因与三层防护机制设计、原子状态机与三层记忆架构,以及记忆召回的隔离与准确性保障,Java基础考察类加载器等JVM知识点。
吉利科技AI后端开发面经分享
吉利科技AI后端开发面试经验分享,重点考察AI Agent设计、状态机应用、记忆管理策略以及MCP协议与Skill设计理念。涵盖Python技术栈下Agent交互逻辑、任务规划与流程编排等实战场景。
京东后端实习一面面经
京东后端实习一面面经。面试官深入考察了MySQL架构与索引、SpringCloudAlibaba组件原理(Nacos/Sentinel/Seata)、Redisson锁机制及线程池参数。同时重点考核AI Agent开发相关技术,包括微调、RAG、MCP协议及Spring AI底层原理。
美团实习AI后端开发一面面经
美团AI后端开发实习生一面面试,重点考察AI Agent架构设计、ReAct范式实现、MCP协议理解及长短期记忆机制。同时考察了Redis过期淘汰策略、Java基础及AI辅助编程工具的使用与规范。
美团AI全栈开发日常实习一面分享
美团AI全栈开发日常实习一面面经,面试重点考察大模型Agent架构设计、记忆机制(短期/长期记忆)、MCP协议对比及渐进式披露实现。面试包含项目深度拷打、代码演示及LeetCode链表算法题。
腾讯AI后台开发一面面经分享
腾讯AI后台开发一面面经分享。面试重点考察了高并发MySQL架构设计、Redis底层数据结构与一致性策略,并涉及AI Agent模型及计算机基础排序算法,适合后端求职者参考学习。
腾讯视频暑期实习 AI后台开发一面
腾讯视频暑期实习AI后台开发一面面经,涵盖MySQL高并发与事务、Redis数据结构(ZSet/跳表)、点赞业务表设计、Redis与MySQL数据一致性、AI Agent模型认知、归并/快速排序复杂度与稳定性等核心考点,已挂供参考备考。
谐云科技 Java 后端实习面经(AI+并发方向)
谐云科技 Java 后端开发实习面经,共两轮技术面。一面重点考察 AI 工具使用经验(RAG、MCP、Skill、Swarm Agent)及 Java 并发八股(线程池核心参数、synchronized、线程安全集合、MVCC);二面深入业务痛点与 RAG 落地实践,并附经典智力题。适合备战 Java 后端+AI 方向实习岗位的同学参考。
快手后端开发一面面经
快手后端开发一面面经,重点考察AI Agent项目实践、RAG技术链路及Java基础八股。涉及Redis高性能原理、MySQL联合索引与最左匹配、ThreadLocal内存泄漏、Synchronized与ReentrantLock区别,以及手撕算法:最长回文子串。