检索截止:2026-08-30。本文覆盖公开的一手面经、官方招聘/JD、公司技术文章和两份结构化面经索引,并结合本项目对 Pi、OpenAI Codex、DeepSeek Harness、Claude Code 的源码分析。它是一份准备指南,不是任何公司的官方题库。

先说结论

2025 到 2026 的变化,不是 RAG、Transformer 和后端基础突然不考了,而是面试官开始把问题继续向模型外面的控制系统推进。

2025 年公开样本的共同底座主要是:Transformer/Attention、LoRA/SFT/DPO/PPO/GRPO,RAG 的切块、Embedding、混合检索与 Rerank,ReAct、Function Calling、LangChain/LangGraph,以及项目深挖、算法和数据库/缓存/消息队列。2025 年第四季度已经有少量深题进入 Claude Code/Cursor 上下文压缩、Reflection、工具失败归因和多 Agent;因此这里不是“2026 突然发明新范式”的断崖式切换。

2026 年这些内容仍然存在,变化在于下面这些主题开始跨公司、跨岗位反复出现,并被当前 JD 明确写成 Runtime/Harness 能力:

  • Agent Loop 与 Harness/Orchestrator 的边界;
  • Prompt Engineering、Context Engineering、Harness Engineering 的演进;
  • Coding Agent 的上下文装配、压缩、Checkpoint、恢复和路径震荡;
  • Skill、Tool、Function Calling、MCP、A2A 与 Subagent 的边界;
  • 工具越权、Human-in-the-loop、Permission、Sandbox、凭证隔离与审计;
  • 多 Agent 的共享状态、并发、取消、预算和文件冲突;
  • Outcome、Trajectory、Tool、Safety、Latency、Token/Cost 的分层 Eval;
  • Claude Code、Codex、DeepSeek Harness、OpenClaw、Hermes 等真实系统的架构或源码比较;
  • AI Coding/Vibe Coding/Spec Coding 作为口头题,甚至直接进入现场编码或正式机考。

因此,2026 年的分水岭已经从“会不会用框架搭一个 Demo”,移到“能不能解释控制面、失败路径和验证证据”。但另一个同样重要的结论是:传统工程基础没有消失。京东、华为、美团、腾讯、蚂蚁、拼多多等样本仍在同一轮里考 Java/Go/Python、并发、MySQL/Redis/MQ、网络、操作系统和手撕算法。

还有一条比“厂味”更可靠的规律:岗位类型通常比公司名称更能预测题目。 同一家公司里的 Agent 应用开发、Agent 算法/RL、Agent Runtime/Harness,题目差异往往大于不同公司同类岗位之间的差异。

一、证据怎么筛

1. 证据等级

等级来源能证明什么不能证明什么
A公司官网、官方 JD、官方技术文章当前岗位、产品和技术方向不能单独证明某道题真的问过
B第一人称面经,有岗位、轮次、日期/时长和自然的个人复盘该候选人在该团队的大概率真实经历不能外推为全公司统一题库
C保留原帖线索的汇总、开源结构化样本、可信转载发现重复主题、补充检索入口不能与原帖重复计数,也不能替代一手来源
D卖课/内推引流、SEO 拼接、“每题标准答案”、标题正文公司不一致、时间矛盾只作为搜索线索不进入公司画像和趋势判断

本文特意排除了多类看起来很“完整”、实际不可靠的材料:同一账号连续发布多家公司“被问麻了”且每题附标准答案;把 2025 内容重新包装为 2026;标题写拼多多、正文却写快手;含博彩/广告域名;以及无法回溯原始面经的题库文章。

2. 可用的结构化旁证

开源项目 smile-struggler/kaomian 披露的快照覆盖 2025-03-22 至 2026-04-18:抓取 767 帖,保留 248 帖,抽取 948 个问题并归并为 638 个 canonical question。它的高频项依次包含 Agent 评估、Agent 难点、场景流程设计、指标构建、多智能体协作、上下文超窗、工具参数幻觉、记忆、工具失败/超时与 Skill。

这组统计有价值,但不能当成无误的真题数据库:流水线使用 Qwen3-VL 做筛选、OCR、结构化抽取和语义归并,仓库又没有公开全部原始帖子。因此,本文只用它证明“多个独立样本反复触及哪些主题”,不据此计算公司的精确出题率。

另一份 agent-interview-hub 在 2026-08-13 生成了 51 条候选索引,含来源链接或小红书站内检索提示。本文把它当作导航,并回到可访问原帖交叉核对。

3. 这份面经的边界

  • 公开样本明显偏校招、实习和一面,社招高级岗位、主管面与内部转岗样本更少。
  • 牛客很多页面只显示月日。无法从帖子、评论和招聘届次共同确认年份的条目,不用于年度趋势核心判断。
  • 同一公司不同 BG、业务线甚至面试官的差异非常大。下文的“公司倾向”都是有限样本归纳。
  • 源码可以证明实现机制,不能直接推出成功率、模型质量、成本或 benchmark 排名。
  • Claude Code 的详细实现只以本项目验证过的 npm 2.1.88 source map 为证据;2.1.251 已是 wrapper + 原生二进制,不能把旧实现无条件外推到最新版。

二、先按岗位分型,再看公司

1. Agent 应用/全栈开发

典型任务是客服、知识问答、投研、数据分析、办公、营销、运维和企业数字员工。面试重点通常是:

  • 为什么需要 Agent,而不是一次 LLM 调用或固定 Workflow;
  • RAG 全链路、意图识别、Prompt/Context、Tool Calling;
  • SSE/WebSocket、异步任务、数据库、缓存、MQ、限流与幂等;
  • 项目是否真的上线、用户是谁、失败成本是什么、指标如何得到;
  • 幻觉、超时、重试、人工接管、降级和线上排障。

2. Agent 算法/后训练

这类岗位不是“会调 API”即可。常见深挖包括:

  • Agent trajectory 与普通 SFT 语料的差别;
  • 工具调用、环境 Observation、最终回答的 loss mask;
  • SFT、DPO、PPO、GRPO、RLVR 何时使用;
  • reward/verifier、credit assignment、reward hacking;
  • 数据合成、正负样本、长度偏差、训练—服务分布偏移;
  • 规划、搜索、Memory、工具选择、长程任务与 test-time scaling。

3. Agent Runtime/Harness/Infra

2026 年增长最明显的一类。面试会把“模型能不能回答”转成“系统能不能稳定执行”:

  • Agent Loop、Task/Turn/Step 状态机和 Early Stop;
  • Context assembly、Compaction、Checkpoint/Resume、Event Log;
  • Tool registry/router、动态发现、并发门、结果规范化;
  • Approval、Permission、Sandbox、凭证、租户与网络/文件边界;
  • Runtime、模型网关、流式、语义缓存、熔断与故障恢复;
  • Trace/Metric/Log、回放、Eval、成本和容量规划。

京东当前官方 Agent 专家 JD 直接列出 Agent Runtime、上下文状态、工具/插件注册、Streaming、Semantic Cache、熔断、Eval/回放与全链路 Trace;百度官方云原生 Agent Infra 岗则出现 K8s、gVisor/Firecracker、Skill/MCP/Plugin、Harness 与 OpenTelemetry。这类岗位本质上仍是分布式系统和平台工程,只是负载变成了概率模型驱动的长链任务。

4. Coding/GUI/Browser/Computer-use Agent

常见问题会进一步落到环境和产物:

  • 如何选择代码上下文,grep、AST/符号索引、向量检索分别做什么;
  • 仓库规则、Prompt、Skill 与工具描述怎样进入 Context;
  • 代码编辑、测试、Review、回滚和工作区隔离;
  • 长任务如何续跑,多 Agent 如何避免同时修改同一文件;
  • 浏览器/桌面 Agent 如何处理本地文件权限、截图/DOM、多模态与不可逆操作;
  • AI 生成代码怎样验证,什么由人负责。

三、公司画像:公开样本里更常追什么

字节跳动

2025 年代表样本仍以 RAG 检索/排序、Prompt 评测、ReAct、LoRA/SFT、Attention、幻觉、项目指标和算法为主。2025-04-28 的四轮面经 很典型:Leader 会继续追为什么不用闭源 SOTA、为什么尚未上线、Precision/Recall 怎么算。

到 2026 年,字节是公开样本里最早、最密集直接追 Coding Agent 控制面的公司之一:

  • 2026-08-13/16 的 Agent 实习两轮 问 ReAct/Plan、上下文溢出与保真压缩、路径震荡、Context 与长期 Memory、工具描述过多、Prompt Cache、多 Agent 通信和同时改文件;
  • 2026-06-04 一面 问三级压缩、SDD/Spec、Harness 模块和评测集过拟合;
  • 2026-07-01 中国交易与广告一面 直接比较候选人项目与 Claude Code、Codex、Hermes,继续追 Harness 取舍、Skill 加载、三层记忆、Context 拼装和 Checkpoint;
  • 2026 年社招多轮记录 还出现 OpenClaw/Hermes 源码、A2A 死循环、Subagent 幻觉、共享状态、Memory/RAG 与实际用户收益。

但不要因此忽略基础:同一批面经仍有 Transformer、RL、Python、数据库、浏览器链路和算法。字节官方 Seed 招聘也把 Code Agent RL、Long-Horizon Task、Multi-Agent RL、Memory/Search 与模型/系统训练同时列出。Seed Early Career

准备重点: 项目失败轨迹、上下文与压缩、Skill/Tool、长任务、Eval、多 Agent 冲突;同时按岗位补齐 RL 或后端基础。

阿里巴巴、淘天、阿里云与阿里国际

阿里内部业务差异很大,按集团名准备会失焦。

  • 阿里云/瓴羊更偏 Runtime 与企业工程。2026-08-27 Agent 算法一面 直接问 Agent Loop、Harness 安全/权限、长任务 Early Stop 和 DeepSeek Harness;2026-04-10 阿里云面试 同时考 Workflow/Agent、跨机通信、RPC,并让候选人现场用 AI Coding 完成功能后人工 Review。
  • 淘天/淘宝闪购更重业务落地、研发提效和真实故障。2026-04-30 淘宝闪购 Agent 算法一面 追框架与部署、HITL、风险分级、熔断、沙箱、审计、跨周 Memory、反馈/RL、Tool Schema 和线上 AUC 下降;2026-08 的多份样本又出现 CR Agent、Meta-Harness、DeepSeek Harness、多 Agent 测试、MQ 幂等、OOM 和算法。
  • 千问/夸克通常是模型与应用双栈。2026-08-25 千问应用开发 问文档切块、BM25+向量、多跳、Query Rewrite、ACL/PII、长对话摘要与 Harness 数据流;算法岗还会继续进入数据合成、后训练和模型选型。
  • 阿里国际/Accio公开社招样本更强调云端环境、Search、Worktree、Sandbox、Harness Gate、Eval/Benchmark、Context 隔离/压缩和 Token ROI。

2025 的阿里云 AI 平台面经仍以 RAG 整体链路、Transformer、Embedding、MRR 与多路召回为主;2025 下半年的淘天/夸克开始出现工具冲突、超时降级、Memory、Prompt A/B 与 RL,但 2026 才把 Harness、权限和长任务明确推到台前。

准备重点: 先确认 BU。阿里云准备 Runtime/权限/可观测;淘天准备业务链路、AI Coding、并发与指标;千问/夸克准备模型—应用双栈;阿里国际准备搜索、云沙箱、长任务与成本。

蚂蚁集团

蚂蚁的辨识度是“可信执行 + 后端基本功”。2025 蚂蚁国际面经已在问 RAG vs Fine-tuning、Rerank/NDCG、Memory、Agent Eval、MCP/A2A;到 2026,安全与全自动链路被问得更具体:

  • 2026-05-20 智能体/LLM 应用一面 问 Skill、Spring AI、Claude Code/Harness 源码、grep vs RAG、混合召回,再转入网络、MySQL、Spring 和 AI Coding;
  • 2026-08-29 蚂蚁财富 Agent 开发 问 Markdown Memory/RAG、Agent Teams、全自动任务可靠性、FC 内部流程、Harness、Skill 懒加载、Temperature=0 的非确定性,同时考 ACID、数据库日志、Redis、MQ、限流和算法;
  • 算法轨还会深入 DPO/PPO/GRPO、FlashAttention、蒸馏、数据和金融信用建模。

准备重点: 权限、审计、隐私、HITL、Prompt Injection、不可逆操作、资金/状态一致性、幂等/补偿/熔断;不能只会说“加个人工确认”。

腾讯

腾讯样本显示出“模型适配 + Agent 应用 + 传统大规模后端”的混合特征。

  • 2026-04-04 AI Agent 应用开发一面 直接问为什么已有 Claude Code 还要自研 Coding Agent、产品差异、分层 Context、Summary 质量、Subagent 通信与防循环,再进入 GRPO/PPO、QLoRA、量化和 Python;
  • 2026-04-10 两轮样本索引 包含 Qwen 工具调用适配、空调用、长短期 Memory、代码助手仓库依赖检索、Text2SQL、Rerank 变差的诊断、Query Rewrite 与多 Agent;
  • 2026-05-21 一手样本 把 Prompt Injection/Agent 安全与 Redis/Kafka 容灾、亿级表变更放在同一轮;
  • 2026-07-07 跨公司面经 还提醒了一个现实风险:候选人投的是 Agent,腾讯实际团队调整后可能几乎只考云基础设施和算法。

2025 的混元算法样本更偏 SFT 动机、数据标注、Qwen 推理模式、RoPE、量化和 baseline。2026 当前招聘则已经细分出 Harness、Eval Infra、Agent RL 框架、Sandbox 和轨迹观测方向。

准备重点: 先问清团队。应用岗准备 Qwen/工具/记忆/RAG;平台岗准备协议、仓库理解与后端;算法岗准备数据、微调/RL 和模型基础。

百度

百度是 2026 年公开样本中把“Prompt → Context → Harness”问得最直白的一家。

  • 2026-07-02/03 文心一、二面 一面偏 Agent 后训练:SFT 何时足够、reward/verifier、reward hacking、PPO/GRPO 和 task eval;二面偏系统:Action、长文本、Context/Memory、冲突指令、Harness/Loop、Skill 为什么在系统层,以及 Claude Code/Codex/GLM;
  • 2026-08-18 大模型研发一面 直接问 Prompt/Context/Harness Engineering、上下文压缩、Claude Code 和从零 RAG;
  • 2026-08-21 二面 几乎改成开放式系统题:C 端 Agent 模块、主流产品比较、Claude Code 数据流、防重复 Tool Call、只有 LLM API 与 VS Code 时如何造 Agent;
  • 官方 2027 AIDU 智能体算法岗 同时列出感知—决策—执行、多 Agent、长期记忆、规划/工具/反思/代码、RAG+Agent,以及成功率、延迟、成本和用户体验 Eval。

准备重点: 一定先区分应用、算法和 Infra。应用要全栈与 RAG,算法要 reward/verifier/trajectory,Infra 要 Harness、Sandbox、K8s 和可观测。

华为

华为公开样本的特点不是最追新名词,而是流程正式、基础扎实、项目必须说清楚。

  • 2025 AI 工程师实习 已问 RAG 构建、分块、Query/知识歧义、Agent 模块/选型、边缘设备模型规模和算法;
  • 2026-05-14 云软件 AI 技术应用 有双机位、三数之和、项目架构/个人贡献,主管面才问 Agent 宏观架构与从零设计;
  • 2026 某 BG Agent 岗完整记录 同时验证 ReAct/RAG Agent、TCP/C/存储/拓扑排序、Computer Use、Skill/MCP,并建议研究主流 Agent 框架和 Claude Code 实现;
  • 华为官方挑战课题 已出现“AI Agent 多模态智能通信”,华为云公开方向也包含 Agent 平台、Skill/CLI 和 Agentic Infra。

准备重点: 机试/手撕、C/C++/OS/网络、项目真实性、端云部署和业务价值优先;Harness/MCP/Skill 是加深项,不是基础差的替代品。

美团

美团最稳定的追问方式是:为什么这么选、替代方案是什么、如何验证、剩余坏例怎么发现。

  • 2025 后端暑期样本已经把三个 Agent 的输入输出、RAG 消融、BM25、双路召回、Tool Calling、MCP 的 SSE/stdio、上下文过长与 MySQL/Redis/线程池放在同一轮;
  • 2026-08-25 Agent 开发一面 是很有价值的样本:RAG vs 长上下文直接读文件、RAG vs Coding Agent 用 grep 搜仓库、无标题 Markdown 切分、短 Query/长 Chunk、如何发现剩余 1%–2% 幻觉、单/多 Agent、Plan-and-Execute/ReAct、Agent vs Harness、Context 裁剪、Prompt Cache、Milvus、协程/线程、Vibe/Spec Coding 和两道算法;
  • 2026 校招企业页有多名候选人独立报告“大模型选择题 + 算法 + AI Coding”;
  • 美团官方 CatPaw 当前产品强调本地/云端长任务、专家/Skill/Subagent、跨会话 Memory、多 Agent 独立环境、凭证隔离、权限、Sandbox 和全链路可观测。这不能当作真题,但能解释岗位为何围绕这些机制继续追问。

准备重点: 每个架构选择必须带 baseline、指标、失败样本和替代方案;RAG 不能只背流程,要能说明什么时候不该用 RAG。

京东

京东的公开证据最像“后端/分布式系统 + Agent Runtime”。

  • 2025 样本已问用户意图多样化、工具选择准确率下降、RAG 召回低和真实应用体会;
  • 2026-02-10 实际 Agent 开发一面 从告警 Agent 的输入输出、节假日/发布期准确性和非 AI fallback,问到 4000 页多模态/GB 文档、RAG 更新、LangChain 链路、MCP 工具选择和 Skill;
  • 2026-03-13 京东零售后端 把 Redis+Lua、MQ、性能与 RAG 分片/幻觉、Function Calling/Skill 和模型选型混合考;
  • 2026-06-24 官方 Agent 专家 JD 明确要求 Model Gateway、Agent Runtime、上下文状态、工具/插件注册、Streaming、Semantic Cache、熔断、Eval/回放和 Trace/Metric/Log;
  • 另一条官方大模型智能体岗位 进一步把 Skills、Subagents、MCP/A2A/A2UI、Coding Agent、Sandbox、Memory、Context Engineering 与 Harness Engineering 写进职责和能力要求,说明这些不只是社区热词,而是当前平台岗位的正式能力项。

准备重点: Java/Go、RPC/MQ/网关、并发、缓存和故障恢复不能丢;Agent 题按“状态、权限、fallback、Eval、可观测”回答。

快手

快手样本一条是后训练/模型,一条是 Data Agent/应用,不能混在一起。

  • 2025-09-15 大模型二面 深入 PPO/DPO/GRPO、GAE、reward/reward hacking、分层强化学习 Agent、FSDP/DeepSpeed、显存和手写 MHA;
  • 2025 Data Agent 一面 仍以 LLM vs Agent、ReAct/LangChain、RAG 与模型微调为主;
  • 2026 Data Agent 一面 已继续追父子索引、BM25/Rerank、Context vs Memory、Function Calling/Planning、Prompt Injection、工具安全、限流与 RAG Eval;另一份问题密度更高、但需要保守使用的同类记录 又出现三层 Memory、Skill 渐进披露和工具选择。这里更可靠的结论是题面从“会搭框架”向检索、记忆、安全和评估深化,而不是把所有问题外推成快手统一题库。

准备重点: 应用岗把 RAG/Memory/Security 与限流/缓存/数据库一起准备;算法岗另开一条 RL/训练/显存路线。

拼多多

拼多多 2026 校招公开出现独立 AI Agent 研发方向,但当前可高置信核验的一手样本不够多,不能像字节、阿里那样概括稳定“厂味”。

  • 2026-08 提前批一面短帖 主要问 LLM API 失败如何感知和定位、限流之外的异常、Context/Memory 较弱、多用户×多角色记忆,以及算法;
  • 企业面经页还有代码生成全链路、断点恢复、Codebase Memory、代码审查和长耗时 Agent 资源管理等记录,但部分条目无法稳定取得独立原帖,只作二级线索;
  • 网上同时存在标题写拼多多、正文写快手,或“含完整答案/专栏付费”的内容,均未用于公司画像。

准备重点: 以 JD 和自己投递团队为准,优先准备 LLM/Tool 故障定位、会话与多角色 Memory、分布式基础和算法;Coding Agent/DeepSeek Harness 只在能够说明来源和实现时展开。

小米

小米的业务方向决定了端侧/OS/GUI Agent 值得重点准备,但当前可核验的 2026 技术一手面经仍较少,下面是“岗位方向 + 有限样本”的组合判断,不代表稳定题库。

  • 2025 大模型应用样本偏 RAG 指标、低延迟、Prefill/Decode、KV Cache、Python/GIL;
  • 2026 AI Agent 暑期一面 追“为什么代码生成要微调,不能只用 Prompt/Spec Coding”、缺陷修复 Agent、静态 Spec 与动态环境反馈、模型选型、自托管/API 和 Memory;
  • 普通汽车软件岗已经开始问 AI Coding、Skill、如何维护 CLAUDE.md 和 Loop;
  • 小米官方顶尖人才课题 明确列出“认知—记忆—问答链路及自动评估”“AI Agent 与操作系统深度集成”和端侧具身智能决策。

准备重点: 微调 vs Prompt/Spec、GUI/OS 权限与状态、端侧模型/推理、Memory、Sandbox/Trace,以及真实代码验证。

小红书

公开样本数量不如前几家稳定,但时间演进很有代表性:2025-10 的二面 已经问 Skill 召回 vs Function Call/RAG、混合检索,以及 Cursor/Claude Code 的 System Prompt、上下文压缩和工具选择;2026-08-06 Agentic 全栈一面 则继续进入写操作边界、Harness 层、编排/意图分流、Skill vs Tool、多模型一致性、十几万请求扩容、LangGraph vs 自研和 Java/MySQL。产品工程样本还会问多 Agent Context 共享、Skill 管理和业务指标。

准备重点: 内容/电商场景、检索与推荐数据、Agentic 全栈、状态/Checkpoint、Skill、模型一致性和服务扩缩。证据不足时不要套用“某厂固定风格”。

国内模型公司:阶跃星辰、智谱、月之暗面、MiniMax

模型公司公开样本更少,但岗位分化更鲜明。

  • 阶跃星辰: 2026 企业面经页 中的 Agent 算法一面会追工具调用训练的 reward、数据配比、ReAct 的 Plan/Observation/Action 输入输出、TRL/verl 类和参数;另一场问 LoRA 初始化、DPO 数据、SFT/DPO、Workflow 与采样。它更像 Agent 后训练岗,而不是应用框架岗。
  • 智谱: 2026 Agent 算法面经 追 DPO loss、负样本、长链 GUI 正负样本长度、GRPO、Tool Response 是否 loss mask、MCP 训练数据、bad case、参数量/KV Cache 和流式 Tool 输出处理。
  • 月之暗面/Kimi: 可信公开样本较少。2026-07-23 Desktop AI-Native 研发 主要问本地文件权限、产物面板、多模态 Context、长任务通知/回看/续跑、结果编辑—确认—发布和 Agent 任务中心。网上多篇“被吊打+完整答案”的 Kimi 面经模板化明显,不能作为核心证据。
  • MiniMax: 2026 已有几份较自然的一手样本。AI 应用开发一面 追 PRD/design 如何防需求丢失、需求到代码定位、Task 粒度、多 Agent 状态传递/冲突,以及 Rules vs OpenClaw Memory;同一候选人的平台研发一面和二面 又进入 Codex 数据采集耐久性、MQ、Agent 自进化、用户反馈有效性、协议扩展和平台能力产品化。官方 Agent Team 技术文章 可用于校准长程任务、多 Agent 并行和质量门禁,但仍不是面试题证据。

如果目标是 DeepSeek、MiniMax、Kimi、智谱、阶跃一类模型公司,至少要另外准备模型/后训练/推理与研究复现;只读 Agent 框架源码并不够。

四、一场 Agent 面试通常怎样推进

公开样本不能推出统一轮次,但问题的推进方式相当稳定。

第一层:确认项目是不是你做的

面试官先问背景、用户、输入输出、整体数据流、个人代码边界和实际结果。随后故意绕开简历里的框架名:

  • 用户一句话进入系统后,第一个写入状态或日志的组件在哪里?
  • 模型为什么选择这个工具,Schema 谁定义,错误码如何返回?
  • 你说准确率提升,基线、样本量、统计窗口和归因是什么?
  • 为什么不用 Workflow、规则、小模型或一次 API 调用?
  • 哪个线上 bad case 最难,最终确认根因的证据是什么?

这一层不是考架构词汇,而是检查“输入、状态、动作、观察、指标”能否连成可追踪的链。

第二层:沿失败路径追问

项目讲顺后,2026 年面试官经常把系统推到异常状态:

  • 工具超时、返回空值或部分成功怎么办?
  • 同一个 Action+参数重复五次,在哪里停止?
  • 压缩后丢掉用户硬约束,如何发现和恢复?
  • 两个 Agent 同时改一个文件或写同一行数据库怎么办?
  • 高风险工具被 Prompt Injection 诱导调用怎么办?
  • 进程在第七步崩溃,能否从 Checkpoint 恢复而不重复副作用?

优秀答案不是堆“重试、熔断、降级”四个词,而是说明:哪些错误可重试,哪些操作幂等,状态写在哪里,副作用如何确认,恢复从哪个边界继续,什么时候必须交给人。

第三层:要求你比较,而不是背定义

常见比较题包括:

  • Agent vs Workflow;ReAct vs Plan-and-Execute;
  • LangChain vs LangGraph vs 自研 Loop;
  • RAG vs 长上下文直接读文件 vs grep/代码索引;
  • Function Calling vs Tool vs MCP vs Skill;
  • Context vs Session vs Memory;
  • Permission vs Sandbox;
  • 单 Agent vs Multi-Agent;
  • Claude Code vs Codex vs 自研 Coding Agent;
  • Prompt/Spec 工程 vs SFT/DPO/GRPO。

回答结构最好固定为:目标约束 → 两种机制 → 适用条件 → 失败模式 → 自己项目的选择与证据。

第四层:基础与现场题

Agent 岗的“基础”由岗位决定:

  • 应用/后端:Java/Go/Python、协程/线程、MySQL、Redis、MQ、RPC、限流、SSE/WebSocket;
  • 算法:Transformer、Attention、KV Cache、显存、LoRA/SFT/DPO/PPO/GRPO、reward;
  • Infra:OS、容器/K8s、隔离、网络、调度、存储、可观测和分布式一致性;
  • Coding/GUI:代码仓库、IDE/CI、工作区、浏览器/桌面权限和流式 UI。

手撕仍常见,难度从 Hot100 到 DP、图、并查集不等。2026 还出现了两种新形态:让候选人用 AI Coding 完成功能后 Review,以及正式笔试里的 AI Coding 题。面试官真正看的是需求拆解、上下文提供、验证、回退和代码责任,不是提示词写得多华丽。

五、结合四个源码仓库,回答 12 类高频硬题

1. Agent、Workflow、Orchestrator 和 Harness 有什么区别?

可以按控制范围从小到大回答:

  • Agent Loop 是局部迭代:模型基于当前 Context 选择 Action,环境执行并返回 Observation,系统继续或停止。
  • Workflow 是开发者预先定义的状态转移、分支和失败处理;模型可以是某个节点,但不是全部控制逻辑。
  • Orchestrator 负责计划、路由、调度、依赖与并发,可能编排一个或多个 Agent/Workflow。
  • Harness 是模型外完整运行与治理环境,除了 Loop/Orchestrator,还包括 Context、Tool Registry、Policy/Approval/Sandbox、Session/Compaction、Workspace/Subagent、Telemetry/Eval 和恢复。

本项目四仓正好给出四种控制权分配:

  • Pi 的生产主链很薄,把大量控制交给 provider 与扩展;核心没有内置 Permission、OS Sandbox、MCP 或 Subagent Scheduler。
  • Codex 把控制放在 app-server、Session/Task/turn、Tool Registry/Router、安全状态机、ThreadStore 和共享多 Agent 控制面。
  • DeepSeek Harness 把控制放在 Cordis 插件组合与持久事件面,Loop 薄而 Session/Event 很重。
  • Claude Code 2.1.88 把产品能力收进共享 async-generator query(),再叠加工具验证、Hook、Permission、可选 Sandbox、压缩与 AgentTool。

详见Agent Loop、模型调用与工具执行和功能总矩阵。这比把 Harness 解释成几份 Markdown 文件更准确。

2. Context、Working State、Session、Transcript 和 Memory 怎么分?

  • Context:下一次模型调用真正能看到的 Token/消息表面。
  • Working State:任务当前目标、计划、未完成步骤、工具状态、产物句柄等结构化状态。
  • Session/Thread:一次任务或对话的生命周期、身份与可恢复边界。
  • Transcript/Event Log:持久记录用户、模型、工具、审批和系统事件。
  • Long-term Memory:经过写入门控、作用域、冲突与过期治理后,跨会话按需召回的事实或经验。

关键句是:磁盘上有完整 Transcript,不代表模型当前 Context 完整可重放。 压缩、过滤、角色映射、工具结果裁剪都可能改变模型表面。四仓分别采用会话树、ThreadStore、事件投影和 JSONL 父链,差异见上下文、会话、压缩与子代理。

3. 上下文快超窗时,怎样设计压缩?

先定义不可丢失集合,而不是先让模型“总结一下”:

  1. 固定保留系统/项目规则、权限边界、当前目标、用户硬约束和输出契约;
  2. 最近交互、未完成步骤、尚未确认的工具副作用保留原文;
  3. 已完成阶段压成结构化字段,例如 decisions/completed/open/artifacts/risks;
  4. 原始消息、日志和大文件留在外部事件/对象存储,摘要只保存可回读的 ID/句柄;
  5. 按 Token 软/硬水位、阶段完成或目标切换触发,而不是机械地“每五轮总结”;
  6. 用回放集比较压缩前后约束保留、下一步工具选择和终态成功率。

源码里,Codex 把 Compaction 当作 Loop 内状态转换;DeepSeek Harness 是持久事件不删、模型 Surface 被替换;Claude Code 2.1.88 有 microcompact、collapse/full compact 的分层路径;Pi 在会话分支上记录摘要。不要把任何一个旧版本的具体阈值说成行业通则。

4. Tool 调用链怎样做到生产级?

一个完整回答至少包括:

发现/目录 → Schema → 模型选择 → 参数验证 → Policy/Approval → Sandbox → 执行 → 结果规范化 → Observation → Trace/Eval

进一步说明:

  • 工具名和描述解决“模型能否选对”;Schema 与验证器解决“参数是否合法”;
  • Approval 决定是否授权,Sandbox 限制授权后实际触达范围;
  • 只对幂等或有明确补偿的操作自动重试,指数退避不能替代副作用设计;
  • 错误应作为结构化 Observation 返回,区分可重试、需 Replan、权限拒绝和终止;
  • 无依赖只读工具可并行,有文件/数据库写依赖必须由执行器而不是模型文本保证顺序;
  • Trace 要关联 session/turn/tool_call/attempt/policy/result,便于回放与 bad case 归因。

Codex 的 Registry/Router 与读写并发门、Claude Code 的 validation→hooks→permission→call→post-hook 流水线,以及 DSH 的 ToolRuntime 都可作为具体例子。见Loop 与工具执行。

5. Function Calling、Tool、MCP 与 Skill 有什么区别?

  • Function Calling 是模型输出结构化调用意图的一种接口形式;它不负责真正执行、权限或传输。
  • Tool 是可执行能力及其输入输出契约,可以是本地函数、Shell、HTTP 服务或 MCP 端点。
  • MCP 是工具/资源/提示的发现与通信协议,解决客户端与外部 Server 的互操作,不等于业务流程。
  • Skill 通常是面向任务的可复用 playbook/能力包,包含说明、脚本、资源、示例、验收和失败处理;它不是统一网络协议。

工具很多时可采用渐进披露:Context 里常驻名称、短描述和触发条件,命中后再加载完整 Skill 和资源。但 Harness 仍要执行依赖校验、权限、版本、输出裁剪和观测,Skill 不能把未经审计的动作藏在 Prompt 里绕过安全。

6. Permission 和 Sandbox 为什么必须分开?

一句话:Permission 决定“是否允许”,Sandbox 决定“允许后最多能碰到什么”。

面试里可画两层状态机:先根据身份、工具、参数、资源和风险等级作 deny/ask/allow;允许后再用文件系统、网络、进程、凭证、容器/虚机边界限制实际能力。高风险操作还要有二次确认、审计和可逆/补偿设计。

四仓差异很适合举例:Codex 有显式 Approval/Sandbox 编排;DSH 用 Permission Preset、Approval Provider 与 Sandbox 组合;Claude Code 2.1.88 有 Permission Context 和可选 Sandbox Adapter;Pi 默认把边界交给宿主。详见权限、沙箱、信任与扩展。

7. 什么时候该用 Multi-Agent?

不要用“复杂任务就多 Agent”作答。只有以下收益大于协调成本时才拆:

  • 子任务可并行且依赖清晰;
  • 不同子任务需要隔离 Context、权限、工具或工作区;
  • 专业角色能带来可测的质量增益;
  • 单 Agent 的上下文污染或搜索空间已成为瓶颈。

设计时要回答:root/controller 是谁,共享状态 Schema,任务 Ownership,预算与取消传播,结果/错误协议,重试与幂等,工作区/Worktree,Merge/Review Gate,孤儿任务清理和 Trace。

还要指出“支持 Subagent”不是一个统一能力:Pi 的示例扩展、DSH 的 provider seam、Claude 的 AgentTool sidechain、Codex 的 root-tree scheduler 不能互换。见Subagent 架构对比。

8. Agent 死循环、路径震荡、偏航怎样处理?

按“检测—限制—恢复”回答:

  • 检测:最近 N 步 Action+参数重复、状态哈希不变、计划在两个节点间往返、错误类型连续相同、里程碑长期不推进;
  • 限制:Step/Time/Token/Cost Budget、工具级熔断、递归深度、并发与子 Agent 数;
  • 恢复:保留目标和失败证据后 Replan,切换工具/模型,回到最近 Checkpoint;
  • 副作用:工具幂等键、事务/补偿、已提交动作清单,避免恢复时重复付款、发信或写库;
  • 人工:高风险、重复失败或证据不足时转 HITL,而不是无限 Reflection。

9. Agent Eval 应该怎样分层?

至少四层:

层例子
Outcome任务成功率、正确性、约束满足、人工验收
Process规划/工具选择、参数正确率、无效轮次、恢复成功率、轨迹长度
Safety越权、Prompt Injection、秘密泄露、不可逆副作用、误拒绝
EfficiencyP50/P95 延迟、Token、工具次数、并发资源、单任务成本

评测时固定模型、Prompt、工具 Schema/版本、权限和环境快照;保存可回放的 Session/Event Log;按失败阶段分桶;LLM-as-Judge 必须用人工或可验证终态校准。离线回归只能支持发布门禁,不能替代线上 A/B、用户反馈和安全监控。

10. RAG、长上下文与 grep/代码索引怎样选?

  • 大规模、持续更新、需要权限过滤和证据引用的异构知识,优先 RAG;
  • 小而完整、结构强耦合的材料,可以直接放长上下文;
  • 代码里的精确标识符、路径、错误字符串和当前工作区状态,grep/符号/AST 索引通常比纯向量更可靠;
  • 模糊语义、跨文件概念和历史设计可用向量/图检索补充;
  • 生产 Coding Agent 常把精确搜索、结构索引、语义检索和按需读文件组合,而不是三选一。

无论哪种方案,都要用任务数据验证:检索层看 Recall@K/MRR/NDCG,生成层看 Faithfulness/引用,端到端看任务成功率、延迟和成本。Rerank 变差时先检查候选召回、训练域、Query 长度、Chunk 粒度和截断,不要只调 TopK。

11. SFT、DPO、PPO/GRPO 在 Agent 中分别解决什么?

先确认问题是否真的需要训练。私有 Schema、固定格式和初始轨迹模仿可用 SFT;成对偏好可用 DPO 类目标;多步决策、可执行终态或过程 Reward 明确时再考虑 PPO/GRPO/RLVR。没有可靠 verifier/reward 和对照实验,RL 只会把错误放大。

Agent 轨迹数据要区分 System/User、Assistant 决策、Tool Call、环境 Tool Response 和最终答案。环境返回通常不是模型要预测的目标,需要明确 loss mask;训练还要处理长短样本偏差、无效调用、工具版本漂移、训练—服务 Schema 不一致和 Reward Hacking。

12. AI 生成的代码怎样验证?

可以给出五层门禁:

  1. 需求与约束:先写 acceptance criteria、禁止改动范围和接口契约;
  2. 静态检查:类型、Lint、依赖、秘密与安全扫描;
  3. 动态验证:单测、集成、回归、边界/故障注入;
  4. 差异审阅:逐文件解释为什么改、是否有无关重构、迁移/回滚方案;
  5. 责任边界:AI 可生成,候选人必须理解、Review、验证并对提交负责。

现场 AI Coding 时应先让 Agent 理解仓库和测试,再做最小可运行版本;每轮只修改可归因的一小组问题,保留提交/检查点,避免把越来越长的失败上下文继续喂回去。

六、项目深挖:一套不容易被问穿的讲法

2 分钟版本

用七句话讲清:

  1. 用户与任务: 谁在什么场景下要完成什么;
  2. 原始基线: 人工、规则、搜索或固定 Workflow 的痛点;
  3. 为什么 Agent: 哪个决策必须根据 Observation 动态变化;
  4. 核心链路: Context → Loop/Planner → Tool → State → Validation;
  5. 个人边界: 自己直接拥有的模块、代码和决策;
  6. 证据: 数据集、baseline、指标、样本数和观测窗口;
  7. 失败与取舍: 一个真实 bad case、根因、修复和仍未解决的限制。

10 分钟架构版本

建议按下面的执行顺序画图,而不是按技术栈罗列名词:

入口/身份 → Policy → Context Builder → Loop/Orchestrator → Tool Router → Validation/Approval/Sandbox → Executor → Observation → State/Event Log → Eval/Trace → 用户确认/交付

每一层都准备四个问题:输入输出是什么、状态在哪里、失败怎么处理、指标怎么验证。

指标怎样说才可信

不要临场编“从 60% 提升到 85%”。一个可信表述至少包含:

  • 基线版本和比较变量;
  • 数据来源、样本量、时间范围和难度分布;
  • 主指标和护栏指标;
  • 是否重复运行、是否有置信区间或人工复核;
  • 改进究竟来自 Agent 机制,还是数据清洗、规则、模型升级或人工补丁;
  • 当前证据的限制。

没有线上 A/B 就明确说离线回放;没有用户就说尚未验证真实使用价值。诚实的证据边界通常比漂亮但无法复现的数字更有说服力。

七、P0 必答题单

下面 36 题建议都能在白板上讲 3–5 分钟,并承受两轮追问。

架构与控制面

  1. Agent 与 Chatbot、一次 Function Call 的本质区别是什么?
  2. Agent、Workflow、Orchestrator、Harness 怎么分?
  3. ReAct 与 Plan-and-Execute 各自的失败模式是什么?
  4. Planning 应由模型还是框架负责?
  5. 为什么自研,不直接用 LangGraph、Claude Code 或公司平台?
  6. 画出一次用户请求从输入到交付的完整数据流。

Context、Session 与 Memory

  1. Context、Session History、Working State、Long-term Memory 怎么分?
  2. Context 超窗时如何触发、压缩、验证和恢复?
  3. 哪些信息绝不能交给摘要模型决定是否保留?
  4. Memory 何时写入,如何做 Scope、Authority、TTL、去重与冲突?
  5. Transcript 完整保存,为什么仍不能保证精确重放?
  6. Prompt Cache 怎样受 Context 顺序和动态内容影响?

Tool、Skill 与协议

  1. 模型如何从几百个工具中选到正确工具?
  2. Tool Schema、参数幻觉和错误码怎样设计?
  3. Function Calling、Tool、MCP、Skill 与 A2A 的边界是什么?
  4. Skill 渐进披露如何节省 Context,又有什么安全风险?
  5. 工具超时、空返回、部分成功、重复副作用分别怎样处理?
  6. 哪些 Tool Call 可以并行,谁来保证依赖顺序?

安全与可靠性

  1. Permission 与 Sandbox 为什么不能互相替代?
  2. 如何防 Prompt Injection 诱导越权或秘密泄露?
  3. 付款、发信、删库、执行 Shell 分别怎样分级与确认?
  4. Agent 死循环、路径震荡和任务偏航如何检测?
  5. 进程崩溃后如何恢复而不重复副作用?
  6. 高并发下如何做幂等、限流、熔断、降级和补偿?

Multi-Agent 与 Coding Agent

  1. 什么场景单 Agent 更好,什么场景值得多 Agent?
  2. 多 Agent 如何共享状态、传播取消和控制 Token 预算?
  3. 两个 Agent 同时改文件/数据库怎样避免冲突?
  4. Claude Code、Codex 与你的 Coding Agent 控制面有何差异?
  5. 代码上下文为什么不能只靠向量库?
  6. AI 生成代码怎样 Review、测试、回滚和追责?

RAG、Eval 与训练

  1. RAG、长上下文、grep/符号索引如何选?
  2. Chunk、Hybrid Retrieval、Rerank 和 Query Rewrite 怎样调?
  3. Agent Eval 为什么不能只看最终准确率或 LLM Judge?
  4. 怎样构建可回放的 bad case 集与发布回归门禁?
  5. SFT、DPO、PPO/GRPO 各自适合 Agent 的什么问题?
  6. Tool Response 是否参与 loss,reward hacking 如何发现?

八、按岗位追加的 P1 题

应用/全栈

  • SSE 与 WebSocket 如何选,断线续传和取消怎样做?
  • RAG 索引怎样不停服更新,权限过滤放在哪一层?
  • Redis Semantic Cache 的 key、失效与污染怎样治理?
  • 消息队列如何保证长任务至少一次消费下的业务幂等?
  • Agent 输出怎样转成可验证的结构化业务对象?

Harness/Infra

  • Session/Task/Turn/Step 如何建模?
  • Tool Registry 与动态插件如何版本化和热更新?
  • 模型网关如何路由、限流、缓存与统计 Token?
  • 容器、gVisor、Firecracker 和宿主进程隔离怎样取舍?
  • Trace 如何跨模型调用、工具、子 Agent 与审批串起来?
  • 长任务调度怎样处理租户公平性、取消和孤儿任务?

算法/后训练

  • Agent trajectory 数据如何生成、筛选和去重?
  • SFT 何时足够,切 RL 的判据是什么?
  • DPO 正负样本长度差异会带来什么偏差?
  • GRPO 的 reward、group 与 credit assignment 如何设计?
  • Tool 使用的过程 reward 与终态 reward 如何组合?
  • Train-serving 的 Prompt/Schema/工具版本偏移如何诊断?

GUI/Browser/端侧

  • DOM、截图、OCR、Accessibility Tree 如何组合?
  • 本地文件和目录授权如何可见、可撤销、可审计?
  • GUI 动作怎样检测页面已变化、动作是否真正生效?
  • 端侧模型在延迟、内存、功耗和隐私之间如何选型?
  • 长任务在本地关机、断网或 App 重启后怎样续跑?

九、14 天突击计划

第 1–3 天:把项目讲成状态机

  • 画完整数据流和失败流;
  • 写出个人代码边界、baseline、指标口径和三个 bad case;
  • 为每个框架选型准备一个替代方案和拒绝理由;
  • 把 2 分钟与 10 分钟版本各录两遍。

第 4–6 天:RAG、Context、Memory

  • 用同一批文档比较 BM25、向量、混合+Rerank;
  • 实现 Query Rewrite 和权限元数据过滤;
  • 做一次压缩前后回放,记录约束丢失、Token、延迟和任务成功;
  • 能明确说出 Context、Session、Transcript 和 Memory。

第 7–9 天:Loop、Tool、安全与恢复

  • 自己写一个最小 Loop,不依赖黑盒 Agent API;
  • 加 Schema 验证、结构化错误、Step/Time/Token Budget;
  • 为写操作加幂等键、Approval 和最小 Sandbox;
  • 注入一次工具超时、进程崩溃和 Prompt Injection,验证恢复/拒绝。

第 10–11 天:Eval 与可观测

  • 建 30–50 条小型回放集,按 outcome/process/safety/efficiency 评分;
  • 保存模型、Prompt、Tool、权限和环境版本;
  • 把 bad case 分成检索、Context、规划、工具、权限、状态和验证七类;
  • 不用单一 LLM Judge 代替全部评测。

第 12–14 天:公司与岗位定向

  • 按 JD 判断自己在应用、算法、Harness、Coding/GUI 哪条线;
  • 从上面的公司画像选 10 道定向题;
  • 每天手撕 2–3 道算法,并复习岗位对应的数据库/OS/网络或 RL;
  • 做两次 60 分钟模拟:20 分钟项目、20 分钟场景、15 分钟基础/代码、5 分钟反问。

如果有四周时间,把第 7–11 天的最小 Harness 做成可运行项目,并保留 Eval 报告、Trace 截图、故障注入和设计文档。这个证据比再堆一个 LangChain Demo 更有区分度。

十、反问面试官

反问的目标是确认岗位的真实控制面与失败成本:

  1. 这个团队更接近 Agent 应用、模型后训练,还是 Runtime/Harness?三者工作比例如何?
  2. 当前最大的失败来源是模型、Context、工具、状态、评测还是业务接入?
  3. Agent 的输出是建议,还是会直接触发不可逆动作?HITL 和责任边界是什么?
  4. 团队用哪些 outcome/process/safety/cost 指标做发布门禁?
  5. 是否保存可回放轨迹,线上 bad case 如何进入回归集?
  6. 自研能力与 Claude Code/Codex/开源框架的边界在哪里?
  7. 实习生/新人的第一个可独立交付模块通常是什么,如何判断完成?

十一、最后的准备优先级

如果时间只够抓五件事,顺序建议是:

  1. 把自己的项目、指标和坏例说到可复现;
  2. 保住算法与岗位对应的工程/模型基础;
  3. 真正理解 Context、Tool、State、Permission/Sandbox 和 Eval;
  4. 读一个 Coding Agent 的完整调用链,而不是只看产品介绍;
  5. 针对目标团队补 RAG、RL 或 Infra,不按“Agent 八股大全”平均用力。

2026 年面试官真正区分候选人的问题,往往不是“你知道多少新名词”,而是:模型做了一个概率决策之后,你怎样让真实系统仍然可控、可恢复、可验证、可追责。

主要来源索引

下面只列本文反复使用的核心来源;各公司章节中的链接提供更细的一手样本。

一手面经

官方岗位与技术方向

本项目源码分析