背景说明#

我从后端转 Agent，但是简历里没写任何后端内容，某种程度上缩减了面试官拷打的范围，因此大部分时间都在深挖项目，几乎没有任何传统后端八股。

以下是从数十场大厂暑期面试提炼而来的 Agent 面经。

Agent 方向#

1. 你们这个 multi-agent 选型的依据
2. ReAct 范式你们怎么用的，其他的范式
3. LangGraph 介绍一下，有改进过哪些框架吗
4. 记忆机制怎么做的
5. OpenClaw、Claude Code 看过吗
6. 大模型的安全与薄弱点：prompt 工程、上下文工程、fallback 策略、retry 机制、reflection 机制、LLM 选型原因（工程侧非训练侧，每场面试问的方向不一样，但我都总结为实践经验）
7. 意图识别怎么做的，指标如何衡量的（简历有写，每场必问）
8. multi-agent 系统评测、单 agent 本身评测

LLM 方向#

• 大模型幻觉
• 输入输出长度
• RAG
• 调用 API

算法方向#

• Transformer
• 注意力机制
• 位置编码
• 交叉熵损失函数
• 过拟合
• 梯度消失
• 数据并行
• 模型并行
• 生成式大模型
• Transformer 流程

Agent 深挖（高频）#

• 幻觉
• Function Calling
• Prompt Engineering
• Tool Use
• ReAct
• CoT（链式思维）
• 记忆管理
• 自我纠错
• Planning
• 反馈机制
• Multi-Agent
• 记忆存储、压缩、优化
• 模型评估
• SSE 协议
• A2A 协议
• MCP 协议
• RAG 优化
• 拆分任务机制
• 边界 case
• 循环调用
• Token 优化
• 模型选择
• Multi-Agent 通信