多Agent 面试题
共 41 篇真实面经 · 涵盖 通用 / 百度 / 字节跳动 / 携程 / 得物 等 29 家公司
AI 岗 Agent 八股:被问烂的 8 个问题与答题框架
一篇把 AI 岗 Agent 高频题按出现频率排序的答题框架帖:Agent 的基本架构(感知-规划-记忆-工具四层)、ReAct 与 Function Calling 的关系、多 Agent 系统怎么设计、记忆机制分三层、工具调用失败的三类处理、效果评估的结果线与轨迹线、上下文太长的递进方案、安全的三条线;末尾给了三条避坑提示——只背概念不给方案、说不出具体参数或报错形态、模板背得太整齐。
百度 Java 后端二面:Redis 热 key、B+ 树高度与 SSE 断点续传
百度 Java 后端二面(面后两小时通知通过):先问项目如何做高并发、Redis 热点 key 与同 key 并发访问怎么处理、工厂与策略模式解决了什么问题;再考 Redis 淘汰策略、MySQL 索引结构与 B+ 树高度、千万级数据量怎么估算、JMM 与垃圾回收、可达性分析;项目侧追问 RAG 的作用与流程、多 Agent 的分工协同、上下文管理、对话数据怎么存、SSE 断开与刷新页面后的断点续传、服务重启与多实例的一致性;算法合并两个有序链表。
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))。
字节大模型三面面经:Harness 组件、多 Agent 协作与缓存命中率怎么稳住
字节大模型算法岗三面:从两个在校项目切入,追问首个智能体项目的架构与本人负责模块,再深挖对 Agent Harness 的理解与核心组件、多 Agent 相对单 Agent 的优势、校验类 Agent 的设计、任务队列幂等、电商项目 Cache Breakpoint 如何稳定 80% 命中率、32 轮对话窗口阈值的依据、并发抢任务的防重复领取、MRR 计算与 LangFuse 排查 badcase,算法题是岛屿数量与对称二叉树。
携程 Agent 二面:领域路由误分、根因定位与多 Agent 架构
携程 Agent 二面全是简历项目相关、无八股:Agent 项目场景、领域路由分错或语义模糊误分能否挽回、如何发现准确性问题并做归因分类、如何把 badcase 发现与排查自动化、workflow 与 Agent 循环的分工、工具清单与开发归属、外部 API 封装成工具要做哪些工作、Agent 只定位到表层原因怎么深挖、故障库不完善时怎么办、skill 的划分粒度、线上独立解决比例与人工复核、为什么用多 Agent 架构、自学方式与 LangGraph 选型对比。
得物 Java 开发一面:从 RR 幻读到库存预扣、死锁与 RAG 选型
得物 Java 开发一面,十四问:MySQL RR 隔离级别能否避免幻读、Kafka 重复消费与积压处理、活动库存为什么放 Redis、AI 客服选 RAG 还是微调、Lua 自实现分布式锁与 Redisson 的差异、@Transactional 失效场景、索引失效判断、多 Agent 通信、重复下单与预扣库存超卖、死锁定位。
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。
科大讯飞 Agent 一面 38 分钟:乱序完成、审批超时与重启恢复
科大讯飞 Agent 一面,38 分钟 22 问:从京东智能面试间的链路分工切入,用两次评估乱序完成、人工改字段验一致性,再问 DDD 与本体建模、JSON Schema 的边界与错误率;排障 Agent 限定 12 次调用、60 秒返回,追问审批、超时与重启恢复;最后是多 Agent 取舍与评审。
网易有道 Agent 开发三面凉经:记忆模块、多 Agent 分层与 workflow 选型
网易有道 Agent 开发岗三面记录(终面挂):一面问学习方法、DSH 核心、cordis 插件热加载与卸载、Agent 记忆范式与主流架构、为什么用 RAG 做记忆、多跳检索、workflow 与 agent 的边界;二面深挖实习,追问上下文动态注入控权限、为什么不用文件系统做记忆、文件系统为何不适合多租户、多 Agent 的难点,以及教育 Agent 的开放设计题;三面转向效果、千万级用户的记忆系统改造与 AI 工具使用方式。
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。
转转 AI 应用落地实习一面:RAG、单多 Agent 与 FDE 角色
转转 AI 应用落地实习生一面(11 月 10 日),岗位偏 FDE、侧重业务 AI 提效。前半段是动机与稳定性:当前状态、上份实习离职原因、项目职责、团队协作、怎么看 AI 背景下岗位边界模糊、能不能稳定实习三到四个月、怎么和秋招平衡;后半段围绕 RAG 与 Agent:做的是不是传统语义召回、了不了解知识图谱与 GraphRAG、单 Agent 和多 Agent 各适合什么场景、简单任务与复杂任务怎么区分、是否了解 FDE 这个角色。
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。
蚂蚁集团 AI Agent开发压力面:记忆管理、MCP 与多 Agent
蚂蚁集团 AI Agent 开发压力面:记忆管理选型、Agent Teams 与 Workflow 取舍、工具调用可靠性与 MCP、意图识别与评测集,另有数据库与推理八股。
百度 Agent 算法岗一二面面经:Agent 架构、上下文管理与 Skill 设计
百度 Agent 算法岗一面二面面经:一面从 Agent 核心模块与主流框架问起,覆盖 ReAct 与 Plan-and-Execute 的差异、海量工具下的 Token 爆炸与工具乱选治理、Agentic RL 的动机、全方位评测维度、单 Agent 与多 Agent 取舍以及上下文溢出方案,手撕翻转整数;二面转入源码阅读(OpenClaw、Claude Code)、记忆与上下文管理实现对比、工具错选根因、自定义 Skill 结构,并要求设计「预订明日上海机票」的完整链路与任务停滞的异常处理,手撕单词拆分。
百度 Agent 算法岗一二面面经:Agent 架构、上下文管理与 Skill 设计
百度 Agent 算法岗一面二面面经:一面从 Agent 核心模块与主流框架问起,覆盖 ReAct 与 Plan-and-Execute 的差异、海量工具下的 Token 爆炸与工具乱选治理、Agentic RL 的动机、全方位评测维度、单 Agent 与多 Agent 取舍以及上下文溢出方案,手撕翻转整数;二面转入源码阅读(OpenClaw、Claude Code)、记忆与上下文管理实现对比、工具错选根因、自定义 Skill 结构,并要求设计「预订明日上海机票」的完整链路与任务停滞的异常处理,手撕单词拆分。
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 开发一面:90 分钟共享屏幕看代码
字节跳动抖音电商 Agent 开发一面,90 分钟全程共享屏幕看代码,面试官按每个回答往下挖 3 到 5 层:Planner 与 Executor 的异步调度和状态持久化、ReAct 落地细节、tool call 校验重试、上下文压缩与大结果处理、多 Agent 文件冲突与断点续传、路径震荡与行为漂移、评测集构建与成本控制、Harness 与框架取舍、记忆系统与注入防护,最后手撕嵌套 JSON 合并。
字节跳动 AI Agent 开发一面:RAG 排查、Tool 编排与后端基础
字节跳动 AI Agent 开发一面面经:自我介绍与实习项目之后,RAG 部分问整体流程、检索相关性差的排查思路和真实踩坑,Agent 部分问 Agent 与 Workflow 的区别、多 Tool 设计与多 Agent 的任务分配和信息共享,八股考 MySQL 索引失效与 B+ 树、Redis 数据结构与缓存三大问题,另有 MCP 协议、Skills 本质、从零设计 AI IDE、RocketMQ 消息积压和二叉树层序遍历手撕。
字节跳动 AI 全栈实习一面(中国交易与广告):多 Agent 编排与 Redis 定位
字节跳动中国交易与广告部门 AI 全栈开发实习一面面经,约 40 分钟:自我介绍与部门/岗位认知、实习时长与到岗时间,随后深挖两个项目——输入是什么、多 Agent 怎么编排、是内部工具还是面向用户、项目的必要性;基础题问数据库选型、Redis 在项目里的作用与它本职是什么、MySQL 索引类型与底层、B+ 树、回表、MVCC,场景题是 10 亿条 URL、1GB 内存找 Top100;手撕合并重复区间。
长鑫存储 Agent 开发面经:Code Agent 架构与 Coordinator 模式二十九问
长鑫存储 Agent 开发岗面经:45 分钟、连面三次(两轮技术 + 一轮 HR),题目几乎全部围绕自研 Code Agent 展开——为什么不用现成的 Codex、Agent 分几层、Claude Code 的 Coordinator 中心协调者模式的设计初衷与单点局限、任务拆分粒度怎么定、中途发现规划错了怎么办、Coordinator 与自组织 swarm 的对比、中心挂了怎么容错、上下文压缩何时触发、以及「为什么不直接用单 Agent 做大重构」。作者同时在帖子里吐槽同批 oc 的学历差异,评论区可看校招hc侧的实况。
携程大模型算法一面:多 Agent 协同、RAG 全链路与意图路由
携程大模型算法一面 12 问:多 Agent 怎么协同、RAG 全流程怎么走、context engineering 与 prompt engineering 的边界、召回率怎么算和怎么优化、Agent 输出怎么评估、意图路由出错怎么兜底。
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。
联宝科技 AI 应用开发 AI 面:行为面连环追问与 RAG/提示词八股
联宝科技秋招 AI 应用开发 AI 面(40 分钟)面经:前三分之二是围绕简历里多 Agent 项目、记忆模块优化与自媒体的连环行为追问——同一件事换角度反复问、还会引用上一题的回答继续追数据点;后三分之一是 RAG 知识库版本管理、提示词示例设计、指令微调、情感分析等应用层八股,最后是英语朗读、英语作答和四道听力。
美团后端开发一面:消息队列幂等与多 Agent 设计
美团软件开发后端方向秋招一面,约 1 小时,几乎全在挖项目设计:项目三问为什么用 RabbitMQ、幂等怎么实现、消费到重复任务怎么处理、为什么分层存储而不是一个大 MySQL、怎么写业务一致性;项目二问为什么用多 Agent 而不用一个大 Agent、领域分工能不能设计更多、超时与超额怎么处理、有没有重试与降级、有没有设计评判指标;八股只问线程池核心参数与线程创建流程(核心线程知不知道自己是核心线程)、MySQL 慢查询怎么排查与索引失效场景;手撕是把链表 0,1,…,n 重排为 0,n,1,n-1…。面试官开场做了自我介绍、过程中多鼓励引导,整体体验好。
美团全栈开发日常实习一面:ReAct、RAG 三路召回与 Agent 自进化 49 问
美团全栈开发日常实习一面面经,面试约 30 分钟、共 49 问,前半程全部围绕自研 Agent 框架深挖:为什么选 ReAct、为什么不用 LangChain、RAG 三路召回与重排、多 Agent 拆分与工具权限隔离、会话记忆压缩、MCP 与 Skill 的区别、Agent 自进化;后半程转向微服务项目,问 OpenFeign、双 Token 登录、ClickHouse/Neo4j 选型、MQ 异步与幂等、Redis 与数据库一致性、WebSocket 实时通信。作者反馈这是目前最满意的一次面试,没有手撕。
米哈游 AI Agent 一面:代码生成链路、并发隔离与手撕 LRU
米哈游 AI Agent 一面实录,前半场深挖代码生成系统:从输入到产出的全链路、上下文超限与 1M 窗口也不够时的工程方案、服务重启后的断点续传、多 Agent 改同一文件的冲突与分布式锁、Codebase Memory 与知识库检索、代码审查与测试用例生成;后半场是 MySQL 索引 B+ 树、Spring Bean 注入、大模型缓存与并发优化,最后手撕 LRU 并追问泛型、过期时间与线程安全。
网易 Agent 开发一面:ReAct 范式、工具调用与 Agent 效果评测
网易 Agent 开发岗一面面经,31 道题全落在 Agent 工程链路上:从项目架构与框架选型切入,问 ReAct 等核心范式、Agentic Loop 与防死循环、上下文与记忆分层、幻觉校验、MCP 与 Function Calling 的区别、工具描述设计与调用失败处理,再到 RAG 流程与冲突处理、多 Agent 分工协作,最后是 AI 漫剧与游戏 BOSS 两道系统设计题。
网易云音乐全栈二面:召回精度取舍、LangGraph 防循环与索引失效
网易云音乐全栈二面围着一个 AI 项目追问:脚本由人工确认还是自动执行、95% 召回的设计与噪声代价、为什么不用向量召回、LangGraph 怎么防循环,再问 QPS 与索引失效、SDD 与 AI 提效如何衡量。
OPPO 全栈一面:多 Agent 通信、RAG 评估与 AI 全栈能力考察
OPPO 全栈一面面经,半小时不到:先问学历与在校最难的课程,再花大半时间顺着一个 AI 项目逐层追问——项目是真实需求还是实验、输入输出与技术链路、前后端与算法的分工、多 Agent 如何通信、工作流怎么编排、RAG 是否自研、知识库素材来源、上下文记忆、多用户多会议的数据隔离、RAG 准确性评估与知识库迭代、是否上线与性能考量、自部署模型还是第三方 API;最后考对 AI 全栈工程师的理解和一周完成一个 App 的落地思路。
淘天 Agent 开发二面:30 多道场景题与系统设计追问
淘天 Agent 开发二面:面试官不开摄像头、开场直接抛场景题,全程围绕智能客服 Agent 的职责拆分与记忆设计、高并发下的容灾降级、大模型在推荐链路各环节的作用、双塔与生成式召回的取舍、信息茧房与 AB 实验,以及 Skill 治理、部门知识沉淀、动态 workflow、幻觉与事实锚定、多 Agent 协作和模型调用链路优化,最后手撕双塔召回的前向传播。
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。
字节一面 Agent 岗:ReAct、幂等与上下文压缩连环追问
字节跳动 Agent 方向一面面经,围绕一个复杂 Agent 项目连环追问:架构分层、ReAct 实现与结构化输出、tool call 非法参数的校验重试、超时与幂等 key 设计、上下文压缩与任务恢复,最后手撕嵌套 JSON 合并。
DeepSeek AI Agent 开发岗社招一面(9.8):Harness、评测回流、取消与多租户 Agent 平台
DeepSeek AI Agent 开发岗 2026 年 9 月 8 日社招一面的 20 道题:从「Harness 与 LangChain 的本质区别」开场,追问 Agent 的分层架构、ReAct 与 Plan-and-Execute 的取舍、50 步长链路、多 Agent 协作与结构化通信、评测体系与 30% 主观 case、badcase 回流、瓶颈定位、Agent Loop 的输入输出与非法工具调用、用户取消与在途工具、上下文压缩的信息丢失评估、AI Coding 工具的判断,最后是多人协作 Agent 平台设计与手写 FST,以及五个反问方向。
度小满 AI 全栈研发二面:AI Coding 工作流、长期记忆与多 Agent 闭环
度小满 AI 全栈研发 27 届秋招二面,9 月 20 日,约 30 分钟。全程围绕实习追问 AI Coding 工作流的拆解、TechDoc 维护、数据埋点三态、上报重复、多模型切换状态机、上下文窗口不匹配、长期记忆冲突消解与多 Agent 验证闭环。
快手 Agent 开发一面:工具兜底、多 Agent 与流式解析
快手 Agent 开发一面(已挂)复盘,方向是短视频脚本生成 Agent:问了工具调用失败的兜底、多 Agent 的分工方式、长上下文的压缩策略、输出质量的衡量方法,手撕流式 JSON 解析(半包拼接),并确认团队有内部红蓝对抗评测集。
上海联蔚数科 AI 工程实习生面经(Agent 八股)
上海联蔚数科 AI 工程实习生面经,约 25 分钟且几乎全是 Agent 八股,实习与后端经历一问没问。内容覆盖 harness 概念、Skills 与 MCP 的区别及数量膨胀处理、知识库、自研 Coding Agent 的上下文压缩与多 Agent 协作。
小米 AI 全栈开发面试:Agent 架构、RAG 与多 Agent 隔离
小米 AI 全栈开发面试题,围绕 Agent 项目展开:RAG 切分与召回排查、评测集与 Golden Set 维护、结构化输出校验、多 Agent 隔离与文件冲突、超时取消与断点恢复、成本优化,最后是合并区间手撕题。
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。