AI 应用与 Agent

AI 应用与 Agent 覆盖模型调用、上下文、检索、工具执行、状态、评估和安全，面向 Agent 开发、LLM 应用开发和允许使用 AI 编码的面试。题目来自 2025-07 至 2026-09 公开的 167 篇候选人复盘，公司信息只说明候选人曾公开记录相关提问。

阅读顺序

先读工作流与 Agent和 Agent 执行循环，确定“模型提出动作、程序执行动作”这条主线；再按岗位补工具、上下文和评估。面试只考 AI 辅助编码时，从 AI 辅助开发开始。

1. Agent 架构

• 工作流与 Agent：固定步骤与模型自主决策的选择条件。
• Agent 执行循环：ReAct、观测、停止条件和预算。
• Agent Harness：模型之外的工具、上下文、状态、权限和验证。
• 多 Agent 协作：拆分依据、上下文隔离与结果汇总。

2. 模型调用与提示

• 提示词工程：任务、约束、示例和迭代方法。
• 上下文管理：每一轮放入哪些信息，以及信任边界。
• 上下文压缩：超出窗口时保留什么、丢弃什么。

3. 工具调用与协议

• Function Calling：工具定义、调用链与错误回传。
• MCP：Host、Client、Server 与传输方式。
• Agent Skills：流程与资源的渐进加载。

4. RAG

• 检索增强生成（RAG）：离线索引、在线检索与生成。
• 文档解析与切分：块大小、重叠、父子索引与元数据。
• Embedding 与向量检索：相似度、ANN 与 HNSW。
• 混合检索与重排序：BM25、RRF 与 Rerank。

5. 状态与记忆

• Agent 状态与持久化执行：检查点、重试、恢复和人工介入。
• Agent 记忆：短期、长期、写入、检索与遗忘。

6. 评估与安全

• Agent 评估：评测集、指标、失败归因和回归。
• RAG 评估：检索、证据和生成分层评估。
• 提示注入：不可信材料中的指令与防护。
• 工具授权与执行沙箱：权限分级、审批和运行隔离。

7. AI 辅助开发

• AI 辅助开发：需求、代码库上下文、反馈迭代和验收。
• AI 代码调试：复现、假设、根因与回归。
• 仓库指令：AGENTS.md 等规则文件的内容与维护。
• 编码 Agent 评测：任务集、成功率与真实效能。