🏢 字节跳动（AI Agent 开发）#

• 扎实的 Agent 项目经验，能说清动机、挑战、迭代过程
• 了解主流 Agent 框架（LangChain、CrewAI、AutoGPT 等）
• 熟悉 LLM 上下文工程（Context Window、压缩策略）
• 能设计 Memory 机制（短/长期记忆、工作记忆）
• 掌握幻觉防御体系（多层级）
• Prompt 工程能力（模块化、版本管理）
• Agent 评测与优化验证能力（四层评测体系）
• 代码能力：Java/Python + 算法基础

🏢 阿里淘天（AI 应用开发）#

• Agent 四大核心组件理解（规划/记忆/工具/执行）
• 会话压缩与上下文管理
• 长期记忆设计与写入策略
• agent.md vs memory.md vs skills.md 职责区分
• 工具与 Skill 机制设计
• Java 基础扎实（HashMap、线程池、并发）
• Agent 评测体系

🏢 腾讯（大模型应用开发）#

• 一面：概念扎实（Agent、RAG、Prompt Engineering）
• 二面（系统设计）：Planner 设计、上下文优先级、异常处理、可审计 Agent
• 能回答”为什么不这么做”层面（深度思考）
• 技术选型的 Trade-off 分析

🏢 滴滴（AI 全栈开发）#

• MCP 协议深度理解（运作方式、协议对比、并发处理）
• AI Coding Tools 了解程度
• MCP vs Skill 区别
• 前端+后端基础
• 智能体三要素

🏢 通用要求#

• Agent 四种范式对比（Tool Use / ReAct / Plan-and-Execute / Multi-Agent）
• RAG 完整链路（Chunking → Embedding → 检索 → Rerank）
• Function Calling / Tool Use 流程
• 多 Agent 架构设计
• 工程化与可靠性设计（异常处理、性能优化、Token 优化）
• 算法基础（LeetCode Hot 100）

【Agent 核心概念】5 题#

1. 什么是 Agent？它与普通 LLM 应用的本质区别是什么？
2. Agent 的四大核心组件是什么？分别做什么？
3. ReAct、Plan-and-Execute、Tool Use、Multi-Agent 四种范式如何对比？它们是线性进化关系吗？
4. 多 Agent 架构有哪几种通信模式？各有什么优缺点？
5. Agent 的长短期记忆是怎么设计的？写入和检索的策略是什么？

【RAG 系统】3 题#

6. RAG 的完整链路是什么？每个环节的关键点是什么？
7. RAG 有哪些常见的优化手段？
8. RAG 和微调（Fine-tuning）的适用场景有什么区别？什么时候不应该上 RAG？

【MCP 协议】3 题#

9. MCP 协议是什么？它的工作原理是怎样的？
10. MCP 和 Function Calling 有什么区别和联系？
11. MCP 和 Skill 机制的区别是什么？

【工程实践】4 题#

12. 怎么减少 Agent 的幻觉？请从多个层面说明。
13. Prompt 是怎么构建和优化的？结构化 Prompt 的设计原则是什么？
14. 会话压缩怎么做？什么时候触发？
15. Agent 的评测体系怎么设计？评估哪些维度？

【项目面试话术】3 题#

16. 请介绍你做过的一个 Agent 项目（用”业务痛点→初版方案→踩坑迭代→量化收益”结构）
17. 这个设计你是怎么考虑的？有没有考虑过其他方案？
18. 遇到过什么问题？怎么解决的？

【算法/CS 基础】2 题#

19. 线程池的核心参数有哪些？怎么设计一个合适的线程池？
20. 简单讲一下 Transformer 的流程和注意力机制。

第 1 题：什么是 Agent？它与普通 LLM 应用的本质区别是什么？#

参考标准答案（面试风格）：

Agent 是以 LLM 为大脑、具备自主规划能力、能调用外部工具、拥有记忆系统、可以多步推理循环直至达成目标的智能系统。

与普通 LLM 应用的本质区别（从 4 个维度）：

核心架构公式：

Agent = LLM(Brain) + Planning + Memory + Tool Use

面试加分比喻：

普通 LLM 是”知识渊博的顾问”——你问什么他答什么； Agent 是”能自己干活的员工”——你说”分析这份报告做成 PPT 发我邮箱”，他自己查资料、分析、做 PPT、发邮件，不需要你一步步指挥。

第 2 题：Agent 的四大核心组件是什么？分别做什么？#

参考标准答案（面试风格）：

Agent 的四大核心组件通常有两种划分方式，面试回答推荐用第一种：

方式一（阿里淘天面经考察版本）：

方式二（Lilian Weng 经典框架）：

LLM (Brain) + Planning + Memory + Tool Use 即把 LLM 本身作为”大脑”组件，负责理解指令、推理决策、生成输出。

你本次回答的评价：

面试加分总结句：

“Agent = LLM(Brain) + Planning + Memory + Tool Use，这四个组件通过 ReAct 循环（Observe→Think→Act→Observe…）协同工作，LLM 是大脑，规划拆解目标，记忆提供知识上下文，工具负责改变外部世界。”

💡 练习方式：我会逐题提问，你回答后我帮你判断正确性，查资料补充完善。