GPT88 / API Docs

AI Agent 求职专题（六）：高频面试题、实战项目与 30 天复习路线

把 AI Agent 岗位常见问题整理成可复述答案，并通过一个企业知识库与多工具 Agent 项目准备系统设计、现场编码和项目深挖。

面试回答框架

面对任何 Agent 设计题，都可以按下面七步作答：

  1. 定义目标：用户是谁，任务成功是什么。
  2. 划定边界：哪些动作交给模型，哪些由代码或人工控制。
  3. 拆分链路：输入、检索、规划、工具、状态、输出。
  4. 说明数据：上下文、Memory、业务库、向量库和权限。
  5. 给出指标：成功率、准确率、延迟、成本和安全。
  6. 说明失败：超时、权限、冲突、循环、模型错误如何恢复。
  7. 补充演进：如何灰度、评测、回滚和扩展租户。

这个结构能防止答案停留在“我会用 LangChain 搭一个 Agent”。框架是实现手段，面试重点是你能否解释系统行为。

高频题与参考答案

问题参考回答要点
什么是 AI Agent？以模型为推理核心，结合工具、状态、记忆、工作流和验证，循环完成目标；模型提出动作，应用负责授权与执行。
Agent 和 RAG 有什么关系？RAG 是一种获取外部知识的能力，Agent 是更大的任务执行系统；Agent 可以调用 RAG，也可以调用业务 API。
什么时候不用 Agent？流程固定、风险高、规则清晰或强审计场景优先 Workflow；模型只负责模糊解析或局部判断。
RAG 答错怎么排查？先看解析和索引，再看 Recall@K、候选相关性、过滤、Rerank、上下文组装、Prompt 和引用对应关系。
如何防止工具越权？工具白名单、服务端 Schema 校验、身份和资源权限检查、最小权限、审批、审计；不信任模型生成的租户和用户 ID。
Tool Calling 失败是否重试？按错误分类：参数和权限错误通常不重试，网络超时有限重试，业务冲突先重读状态；写操作使用同一幂等键。
单 Agent 和多 Agent 怎么选？先建立单 Agent/Workflow 基线；只有职责分工、隔离上下文或并行执行带来可测量收益时再拆多 Agent。
如何评估 Agent？覆盖模型、检索、工具、任务、系统、业务和安全层，结合离线数据集、Trace、自动评分和人工抽检。
如何降低延迟和成本？模型路由、上下文裁剪、缓存、并行只读工具、减少重试、流式输出和合理降级，同时监控质量回归。
MCP 和 Function Calling 区别？Function Calling 是一次模型交互中的工具调用契约；MCP 更偏跨应用的能力发现、连接、资源和工具服务器协议。

实战项目设计：企业知识库与多工具 Agent

建议准备一个贯穿全专题的项目：用户询问公司制度或业务数据，Agent 通过 RAG 查资料，通过只读工具查询状态，通过写工具提交申请，并在高风险动作前请求人工确认。

模块实现内容面试时要讲什么
入口登录、租户、会话、请求 ID如何做鉴权和数据隔离
知识库PDF/Markdown 解析、切分、Embedding、混合检索、重排如何证明召回效果提升
编排意图识别、检索、工具路由、状态和停止条件为什么使用 Workflow 或 Agent
工具查询订单、查库存、创建申请、导出报告读写分离、Schema、幂等和权限
记忆会话摘要、用户偏好、任务状态哪些信息长期保存、如何删除
评测任务集、自动评分、人工抽检、Badcase指标如何驱动迭代
上线Docker、日志、Trace、告警、灰度、回滚如何处理真实故障

推荐目录结构

agent-demo/
  app/
    api/              # 鉴权、会话、流式接口
    orchestration/    # 状态机、路由、停止条件
    retrieval/        # 解析、切分、召回、重排
    tools/            # 工具定义、权限、执行器
    memory/           # 摘要和长期记忆
    evaluation/       # 数据集、评分器、回归
    observability/    # Trace、日志、指标
  tests/
  evals/
  docker-compose.yml
  README.md

项目讲解模板

项目介绍控制在 3 到 5 分钟，按下面顺序：

  1. 业务问题：原流程耗时、错误点和用户规模。
  2. 目标指标：例如任务成功率、首字延迟、人工转接率和单位成本。
  3. 方案：为什么选择 RAG、Workflow、单 Agent 或多 Agent。
  4. 关键设计：工具契约、权限、Memory、失败恢复和评测。
  5. 结果：用对照实验或线上数据说明变化。
  6. 复盘：最严重的 Badcase、修复过程和仍存在的边界。

当面试官继续追问时，优先讲一个具体失败：例如“检索到了旧版本制度，导致答案错误”。然后说明你如何通过版本过滤、索引状态和回归样本修复，而不是泛泛说“优化了 Prompt”。

现场手写与排障题

题型考察点作答要点
实现 Agent 循环消息协议、停止条件、工具结果处理多轮、最大步数、异常和结构化结果
设计工具执行器安全边界和工程性白名单、Schema、超时、重试、权限、Trace
实现 RAG 检索数据结构和检索思维元数据过滤、top_k、去重、排序和来源保留
排查线上超时可观测性和分层诊断按 Trace 拆模型、检索、工具、队列和下游耗时
设计高并发服务系统设计连接池、队列、限流、缓存、流式、降级和容量

现场编码不要追求一次写出完整框架。先写清输入输出契约和失败分支，再补实现；每一步说明为什么这样做，以及如何测试。

30 天复习路线

时间学习目标产出
第 1—3 天读懂岗位类型和 JD 关键词岗位分类表、个人短板清单
第 4—7 天完成最小模型调用和结构化输出可运行的 API Demo
第 8—12 天掌握 Agent 循环、状态和 Workflow项目状态图和工具调用 Demo
第 13—18 天完成 RAG 入库、检索和引用知识库 Demo 与评测集
第 19—21 天完成工具权限、幂等和 MCP 阅读安全执行器和失败矩阵
第 22—25 天加入 Trace、指标和自动评测评测报告、Badcase 看板
第 26—28 天做容量、成本和上线设计生产架构图和 Runbook
第 29—30 天模拟面试和项目讲解3 分钟介绍、10 分钟深挖、现场题复盘

最终验收清单

  • ✓我能用 60 秒定义 Agent，并解释它和 RAG、Workflow 的区别。
  • ✓我能从零画出模型、上下文、编排、工具、数据、权限和观测架构。
  • ✓我能解释 RAG 的入库、召回、重排、引用、更新和评测。
  • ✓我能实现并排查 Tool Calling，处理超时、权限、重试和幂等。
  • ✓我能说清 MCP 的 Host、Client、Server、工具发现和安全边界。
  • ✓我有一套评测集，能给出任务成功率、延迟、成本和安全指标。
  • ✓我能讲一个失败案例，并说明如何定位、修复、回归和上线。
  • ✓我的简历项目描述包含业务目标、技术方案、指标结果和约束条件。

建议按顺序回看本专题：岗位地图 → 基础架构 → RAG → 工具与 MCP → 生产化。