Skill 面试题
共 31 篇真实面经 · 涵盖 百度 / 字节跳动 / 海康威视 / 小米 / 蚂蚁集团 等 18 家公司
百度一面:Agent 项目架构、MCP 调用与 Redis 超卖
百度一面:Agent 项目架构与多 Agent 协作、完整链路、MCP 怎么调、怎么确定用哪一个、Skill 的用法与渐进式披露、多 Agent 之间怎么通信、没有通信怎么保证结果准确、用什么评估;八股部分问 MVCC、主从复制、消息队列选型、Redis 数据结构、热 key、Lua 保证不超卖、缓存与数据库不一致(包括长时间不一致的原因)。面试官最后建议八股多背、项目名词不要只背概念。
字节 中国交易与广告 AI 全栈实习一面:MCP、A2A 与 Skill 的分层
字节中国交易与广告 AI 全栈实习一面:从项目架构与 Spring AI 的职责划分切入,追问多 Agent 的记忆与协作、MCP 的接入方式及与 A2A 的区别、工具过多带来的上下文与选择问题、已有 MCP 与 A2A 为何还需要 Skill、几百个 Skill 的上下文占用与领域路由、多轮任务在高并发下的 Token 成本控制,最后手撕最长回文子串(要求 O(N²))。
字节跳动后端/Agent 开发三面:本体化建模与 CLI+Skill 的取舍、指标口径与个人边界
字节跳动后端/Agent 开发三面,线上技术面,以项目深挖与方案讨论为主,共 35 问:围绕智能总结项目的场景、指标口径与关键字段,总结模板与工作流路由,招聘领域本体化建模与柔性引擎,以及本体、Action 的粒度与「直接开放 CLI 再组合成 Skill」的路线对比;后半段问个人项目与评测方式、学习方法与近期技术,以及进程与线程、JVM 运行时数据区、TCP 与 UDP 等基础,最后是在校情况、博客与求职意向。
海康威视 Agent 开发日常实习一面:多 Agent 协作、Skill 分层与跨设备调度
海康威视总部 Agent 开发日常实习一面(约 30 分钟):开场自我介绍后直接抠项目细节——多 Agent 是怎么设计和运行的、如何让一台电脑上的 Agent 指挥另一台上的、有没有多 Agent 协作处理任务的实例,再问 Skill 分层怎么设计(每层放什么、为什么分层)、有没有独立设计过 Skill、Skill 多到什么体量模型会选错及原因,最后聊市面主流 Agent 的优劣势与日常用 AI 提效的具体做法。
小米 AI 全栈一面:Redis 幂等、Agent 停止条件与线程池参数
小米 AI 全栈一面实录,作者一面挂。四道当场答崩的题都出自自己写的代码:Redis 幂等 key 的过期与误删、Agent 如何判断分析完成并停下、线程池三个参数满后的行为、上下文压缩后如何评估关键信息没丢;其余问题围绕 Skill 与 workflow 的取舍、MQ 延迟消息与重试、系统 QPS 抗压展开;手撕是实现一个带指数退避、抖动与幂等键的重试器。
蚂蚁集团二面面经(CIO 线):CLI 编译分发、Skill 设计与 AI 时代的内部基建
蚂蚁集团 CIO 线(企业数据资产上下文工程、数据侧内部基建)二面面经,全程约 37 分钟:围绕在 Shopee 的实习感受与离职原因、CLI 的编译与分发链路、Skill 的设计、三段实习对比、转正与 offer 情况,以及 AI 与企业基建的关系。
字节 Agent 全栈一面:动态 UI 渲染、MCP 与 Skill 治理
字节泛抖音 Agent 全栈一面面经:从实习与 Agent 链路切入,深挖「模型生成 JSON、前端流式渲染可交互 widget」这套动态 UI 方案的调研与选型、前端与后端的动作绑定、增量流式输出的问题,再问 MCP 与 Skill 的理解和治理,最后是前端全链路性能优化与两道现场手写题(闭包计数器、带重试的 request),第二天收到感谢信。
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。
字节业务中台 AI 全栈实习一面:Agent 八股、网络优化与 LRU 手撕
字节业务中台 AI 全栈日常实习一面面经:开场无自我介绍,先确认是否有大厂实习经历;主体分三块——Agent(框架选型、手写 Agent Loop 伪代码、防死循环手段、ReAct/Workflow/Replan 的适用场景、MCP 与 function call 的区别、state/context/memory/MCP 的职责、跨会话记忆、Skill/MCP/CLI/plugin 的适用场景、100 个 skill 与 100 个 MCP 如何管理、SKILL 的组成部分);网络(URL 到浏览器渲染全流程与优化点、DNS 优化、100 张图片请求优化、HTTP 各版本并发限制、HTTP/3 是否更快);手撕闭包计数与经典 LRU 缓存;最后反问团队业务与改进建议。
浩鲸一面:Skill 和 MCP 有什么区别、Spring Bean 生命周期、两段式 AI 落地追问
浩鲸一面 20 问,前半段全在追 AI 落地的实现细节:工具和 Skill 怎么被调用、Skill 里的流程、AI 怎么获得 Skill、Skill 与 MCP 的区别、向量库与 RAG 场景;后半段回到 Spring Bean 生命周期、AOP/IOC、Kafka 结构与 MQ 选型。
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。
快手 AI Agent 开发凉经:如何定义 Agent?
快手 AI Agent 开发面经:先考对 Agent 本质的理解与 ReAct 在工程实现上的要点(循环驱动、上轮结果传递、单独管理的状态与停止条件),再深挖 Skill 与 workflow 的对比与好 Skill 的判据、高合规场景下的越权风险、Skill 的验证与低成本大规模评测,以及工具失败与任务中断后的状态保存与恢复,最后手撕反转链表并追问线程池。
快手 AI 应用二面:Agent 框架自研取舍、Skill 效果评估与 MVCC 版本链
快手 AI 应用二面(净时长约 44 分钟):从实习项目切入,追问 Agent 架构是开源还是自研、对框架做过哪些优化、竞品调研与 Skill 效果评估,再考异常指标诊断会不会影响线上稳定性、RAG 经验与容器部署排障,基础知识只问了 MySQL MVCC,最后手写最接近的三数之和。
快手 AI 全栈一面:Skill 与 MCP 的 token 消耗、Agent 全链路
快手 AI 全栈开发一面:Skill 与 MCP 的 token 消耗对比、一个 query 从输入到输出的完整链路、AI 开发流程、排查问题的流程、怎么判断一个 Skill 足够好,最后是一道 AI Coding。
美团 Agent 开发一面凉经:26 问深挖 Agent 工程与 skill 设计
美团 Agent 开发岗一面凉经,面了一个多小时。问题是围绕项目从链路到设计的连续追问:完整描述 Agent 从接收输入到产出结果的链路、测试用例设计、为什么需求文档没纳入输入、结果是否执行真实任务与人工确认边界、信息如何持续积累与失败回流、性能优化的瓶颈定位、数据库接入与表设计、相同查询结果是否一致;后半程集中在方案选型上,包括为什么该场景用 workflow、Agent 执行流程有哪些形式、CLI 封装的好处、参数补全与确认机制,以及 Skill、MCP、Function Calling、Workflow、SubAgent 各自解决什么问题。
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。
水滴校招测试一面:Skill 准入、上下文污染与敏感信息泄露测试
水滴校招测试岗一面面经,全程围绕 Agent 类系统的测试方法:一个 Skill 从注册到被 Agent 使用要验证哪些内容、AI 生成用例如何判断真有价值、如何验证 Agent 的最终答案不是「看起来正确」、如何测试多轮对话的上下文污染、没有标准答案时如何验证 Skill 输出质量、Skill 调用链路的异常测试、Skill 描述歧义的判断方法、敏感信息泄露测试,以及 Agent 的发布准入标准。
宇视科技一面:埋点外发协议、导入并发与「AI 助手怎么实现」连环追问
宇视科技一面十题,几乎全部顺着简历项目往下钻:埋点外发用什么协议、每次数据量多大、是不是私有协议、有没有国标;导入功能的流程、导出并发量与单请求大小;导入并发高怎么处理;AI 助手的实现方式、Skill 是网上现成的还是自己写的、对话变长后准确率下降怎么办、对话里出现矛盾怎么办。
宇视科技 Web 软件开发一面:老项目上加新功能怎么用 AI、Electron 与前端基础
宇视科技 Web 软件开发一面 30 分钟:先讲两个项目背景,再集中问 AI 使用——实习里 AI 占多少、哪些是你用 AI 做的、遇到过什么问题怎么解决、公司用的是自研 AI 还是 CodeBuddy/VSCode、接手老项目写新项目时怎么用 AI 保证代码规范一致不出问题、Skill 与 MCP 了解吗、写过 agent 吗;技术部分问为什么选 Electron 开发、Electron 打包多大,以及防抖与节流、Vue2 与 Vue3 的区别、水平垂直居中的几种方法。
小红书 后端 日常一面
小红书后端日常一面面经:几乎不考八股,全程围绕 AI 编程实践追问——用 AI 都解决不了什么问题、主力工具与模型、token 用量、V3 与 V4 体感差异、AI 撑不住业务边界时该怎么办、出码后验证环节、Codex 的自主校验能力、Tool Calling 与 MCP 开发、Skill 的渐进式披露、上下文压缩机制。
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。
阿里千问二面:Agent平台、评测体系与训练基础
阿里千问二面面经,共29问。前半场深挖Agent工程化:Skill与CLI及Runtime职责划分、工具调用链路、评测系统与Trace指标、自研评测取舍、多用户会话隔离;后半场转向Transformer原理与训练推理基础设施。
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。
华橙 Agent 评测二面面经
华橙 Agent 评测岗二面,围绕企业知识库建设、Skill 的构建方式与公司内推广效果、新需求下大模型如何一次理解到位展开追问,另有转测试岗的动机与抗压类行为题。面试官最后建议:精简 AI 测试亮点,重点突出量化指标。
腾讯社招一面面经(Agent 方向)
腾讯社招一面,全程围绕 Agent 项目的工程实现:框架选型为什么用 LangChain + LangGraph、方案审核用什么指标判断不合格以及审核结果怎么回流链路、可观测性怎么做、调用 sub-agent 时主 Agent 的 context 带不带过去、超长内容怎么压缩(自研还是用 LangGraph 自带);重点问 token 消耗优化和 KV Cache 命中率的手段,并追问 Skill 系统的设计——移除 Skill 正文会不会破坏 KV Cache、Skill 本身是一个工具还是多个工具。
腾讯营销后端一面:Agent 上下文体系与多路归并
腾讯营销后端一面面经(9.18):主体是一段 Agent 基础设施实习的深挖——Skill 如何被发现与按需加载、正文放在上下文的什么位置、用完何时卸载、会不会影响 Prefix Cache,上下文压缩怎么做、长 Tool Result 怎么处理、压缩后如何按需找回原文、历史索引分几层;随后问一个需求从提出到上线 AI 如何参与、跨仓库代码怎么理解、SOP 怎么沉淀,最后手撕 N 个升序数组合并。
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。
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。
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。
美团小美Agent产品实习一面凉经
美团小美Agent产品实习一面凉经,重点深挖Vibe Coding项目、模型选型、MVP验证、不同AI编程工具体验和Skill设计思路。