现在的 Agent 面试，已经过了“比谁会写 Prompt”的阶段了。说实话，现在的实习生如果只会调个 LangChain、写两段 System Message，在我这儿大概率是过不了初筛的。我想换个视角，带大家看看面试官在听你回答那些“高频题”时，脑子里到底在过滤什么。

1. 关于架构：别光背那个“四元组”

大家现在都能背出 Agent 的四大要素：规划、记忆、工具使用、执行。但我面试时更想听的是：你为什么不用传统的 Workflow（工作流）？

很多同学的项目，明明用一个简单的 IF-ELSE 逻辑就能跑通，非要套个大模型的“自主规划”。在我看来，这不叫专业，这叫“为了用 AI 而用 AI”。

我更看重的是，你能不能告诉我：在这个复杂的任务里，哪一部分是 LLM 必须要发挥模糊推理能力的，而哪一部分又是你必须用硬编码（Hard-code）锁死逻辑、以保证系统不跑偏的？ 好的 Agent 开发者，本质上是在做“确定性”与“不确定性”的博弈。

2. 上下文工程：那是 Token，更是重要信息

面试时我常问上下文管理，很多同学会说“滑动窗口”或者“总结压缩”。

但你想过没有，在字节这种海量并发的场景下，每一万个冗余 Token 都是实打实的成本。我会追问：“如果用户对话到了 100 轮，你如何保证 Agent 还能记得第 1 轮的关键约束，同时又不让 Token 费用爆炸？”

如果你能跟我聊聊 KV Cache 的复用逻辑，聊聊怎么通过语义分析动态地剔除掉那些“废话”上下文，或者怎么设计一套多级缓存记忆（L1/L2 Cache），我会瞬间觉得你对工程的理解到了另外一个维度。

3. RAG：别再只盯着向量检索了

现在是个 Agent 都要接 RAG，但我面试最怕听到候选人只讲“切片、Embedding、召回”。这太基础了。

我更想听细节。比如：

• 用户提问很模糊时，你有没有做 Query Rewrite（查询改写）？
• 面对那一堆召回回来的碎片，你有没有做 Rerank（重排序）？
• 当模型发现检索到的内容和它自身的知识冲突时，你是怎么处理 Conflict 的？

能把 RAG 链路里的每一个坑都踩过并填平的人，才是我们要的实习生。

4. 为什么我们要考 Redis 和拓扑排序？

很多同学纳闷：我投的是 AI 岗，为什么还要考我 Redis 为什么单线程？为什么要考课程表（拓扑排序）？

其实道理很简单。一个复杂的 Agent 系统，本质上就是一个分布式异步执行系统。

• Agent 的状态记忆（State）要存吧？高并发下怎么保证不写乱？这考的是 Redis。
• Agent 拆解任务形成的 DAG（有向无环图）要执行吧？怎么确定执行顺序？这考的是拓扑排序。

AI 只是 Agent 的心脏，但工程架构是它的骨架。 骨架软了，心脏跳得再快也没用。

5. 关于幻觉：不要用“玄学”对付“玄学”

问到幻觉，别只跟我说“我在 Prompt 里强调了让它别瞎说”。

我更想看到你有一套闭环的评估体系。你有没有构建过专门的 Benchmark？你有没有引入过 Self-Reflection（自反思）机制？哪怕你只是简单地接了一个逻辑校验器，也比单纯靠 Prompt 祈祷模型不翻车要强得多。

写在最后：

在字节，或者在任何一家大厂做 Agent，我们其实并不缺能写代码的人。我们缺的是那种对大模型的能力边界有清醒认识，同时又能用严谨的后端思维去约束它的人。

所以，如果你准备去面 Agent 实习，建议你跳出那个“调包侠”的圈子。多想一步：如果这个系统要给一百万人用，它会崩在哪里？

当你开始考虑稳定性、成本、延迟和确定性的时候，你的专业性就很明显了。

祝大家都能拿到心仪的 Offer，我们在 AI 的深水区见。