职位题库

AI Agent 开发工程师面试题库

面向AI Agent 开发工程师相关面试,围绕系统设计、RAG、Agent架构、Agent、记忆管理等主题展开练习,结合题目考察点、回答思路、参考答案和常见误区,梳理知识要点并练习清晰表达。

42 道题目建议用时 126 分钟专项面试练习

全部题目 42 道题

13

Agent 上下文超长怎么压?

考察候选人对长上下文压缩技术的掌握程度,包括滑窗、摘要、检索增强等方法的适用场景和局限。
14

RAG 的召回率一般从哪些角度去提?父子文档索引解决啥?

考察候选人对 RAG 召回率提升方法的理解,以及父子文档索引的原理和适用场景。
15

手撕一下,把两个多层嵌套的 JSON 做深度合并,key 冲突且类型不同怎么办。

考察候选人的编码能力,特别是递归处理嵌套结构、类型冲突解决和边界情况考虑。
16

如果业务强约束 AI 不能基于虚构信息得出关系和结论,工程上怎样设计?

考察候选人在 AI Agent 系统中控制幻觉、确保事实一致性的工程能力。
17

如何定义 Agent?它和普通大模型调用有什么区别?

考察候选人对 Agent 本质的理解,能否清晰区分 Agent 与普通大模型调用的核心差异。
18

高合规场景下,模型可能不遵循 Skill 文档,怎样保证模型不会越权?

考察候选人在高合规场景下对 Agent 权限控制和安全保障的设计能力。
19

介绍一下你做过的 Agent 项目,整体架构怎样设计?主要解决什么问题?

考察候选人是否真正主导或深度参与过 Agent 项目,能否清晰描述系统架构、模块划分、技术选型以及业务价值。
20

RAG 流程具体如何实现?包括文档切分、向量检索、召回、生成。

考察候选人对 RAG 全链路的理解深度,能否从工程角度说明每个环节的实现细节与优化点。
21

如果系统中存在多个 Agent 协同工作,多个 Agent 之间如何进行任务分配和结果整合?

考察候选人对多 Agent 协作机制的设计能力,包括任务分解、分配策略、通信协议和结果融合。
22

结合业务,设计一个行程规划 Agent,你会怎么设计?

考察候选人将 Agent 技术落地到具体业务场景的能力,包括需求分析、架构设计、工具集成和用户体验。
23

你在 AI Agent 这块具体做了哪些事情?项目背景、做了什么、碰到什么问题、怎么解决?

考察候选人对自己 AI Agent 项目的整体把握,包括背景、职责、技术难点和解决方案,验证项目真实性和深度。
24

为什么选择使用 Markdown 方案进行记忆管理?相比 RAG 方案有什么考虑?

考察候选人对 Agent 记忆管理方案的技术选型能力,理解不同方案的优缺点和适用场景。
返回面试题库