面试前先想清楚：这个岗位每天在跟什么较劲

有作者结合自己使用 Agent 的体验写道：经常陷入冗长等待，Agent 时不时偏离核心工作，你一遍遍陈述要求，它一遍遍道歉。他还提出，用 LLM 越多，越会明白在 Token 空间里做推理的局限性。这些是个人使用感受，不是行业结论，但它点出了 AI Agent 产品岗绕不开的两类工作：一类跟模型能力边界较劲，一类跟用户预期和流程较劲。

面试时，你要判断这个岗位的日常更偏哪一边。判断错了，入职后会觉得“这活跟我想的不一样”。

两类工作，面试问题完全不同

假设两个模拟岗位。A 岗的 JD 写“优化 Agent 任务规划与工具调用效果”，面试官大概率会追问你如何定义失败案例、如何和算法同学对齐评测口径。B 岗的 JD 写“设计多轮交互流程、降低用户重复描述成本”，面试官更可能问你如何拆解用户意图、怎么设计兜底话术。

同样是“提升 Agent 体验”，A 岗的产出可能是评测集和 bad case 归因，B 岗的产出可能是交互流程和预期管理机制。读岗位描述时，别只看“AI Agent”四个字，要确认：团队有没有独立的评测或数据角色？产品经理是否需要自己写 prompt 或参与调参？需求评审里，算法同学的话语权有多大？

用具体场景问出团队的真实认知

面试时，可以拿素材里那种体验去提问：“用户反复陈述要求、Agent 反复道歉，团队会把它归因为模型能力问题，还是交互设计问题？”这个问题没有标准答案，但对方的回答方式能透露很多：是承认当前模型在长链路任务上会跑偏，还是把问题都推给“用户不会用”。

也可以问：“最近一次让团队决定砍掉某个 Agent 功能，原因是什么？”如果答案是“模型做不到，先不做”，说明团队正视边界；如果答案是“竞品有，我们也要有”，就要留意后续会不会陷入堆功能、补体验的循环。

模拟面试不是断言面试官一定会问什么，而是帮你准备自己的判断框架。真正要确认的是：这个岗位的考核指标里，有多少是模型效果，有多少是用户留存或流程完成率。

最后给一个可做的小建议：面试前，把目标岗位 JD 里的动词圈出来——“优化”“设计”“评测”“协同”，每个动词背后对应的工作类型不同，带着这份清单去提问，比背标准答案更有用。