本文目录73 个章节
第 11 章：AI Agent 工程师高频面试题库
本题库按 21 个招聘岗位的共同要求推断频率，并不声称是对真实面试题的统计。P0 应能在 60–90 秒内给出结构化答案，并结合自己的项目；P1 应能回答原理、取舍和失败案例。
一、回答方法
技术题使用四段式：
- 定义：一句话说明概念；
- 机制：说清数据流或控制流；
- 取舍：什么时候用、代价是什么；
- 证据：项目指标、失败案例或测试。
系统设计题使用六段式：需求与风险 → 架构 → 状态/数据 → 可靠性 → 安全 → 评测。
不要只罗列框架名称，也不要编造项目指标。
二、岗位理解与系统设计
1. 🔥 P0：AI Agent 工程师和普通大模型应用工程师有什么区别？
Agent 工程师不仅生成内容，还构建能规划、选择工具、维护状态并执行动作的系统。因此额外需要控制流、工具副作用、持久化、评测、可观测性、权限和人工审批。实际边界会因公司而异，读职位正文比看岗位名更重要。
追问准备：用你的项目说明一次模型决策怎样被代码约束。
2. 🔥 P0：什么场景不应该使用 Agent？
步骤固定、规则可穷举、错误代价高、要求强确定性和低延迟时，普通工作流更合适。Agent 用于路径无法完全预定义、需要动态工具选择和中间重规划的任务。生产设计通常是在 Workflow 中嵌入有限 Agent 决策。
3. 🔥 P0：请设计一个企业知识与工单 Agent。
先分四路：知识 RAG、实时工单查询、创建草稿+审批、人工转接。API 与 Worker 分离，状态/Checkpoint 存数据库；RAG 先 ACL 后 Hybrid+Rerank；Tool Gateway 做 Schema、鉴权、幂等和审计；高风险写入有审批；建立离线 Eval、Trace 和线上指标。
追问准备：跨租户隔离、超时恢复、旧 Checkpoint 升级。
4. ⭐ P1：如何把模糊业务需求变成 Agent 任务？
先定义用户结果和不做什么；列出可信数据源、工具和风险；把流程拆为原子步骤；标出模型决策与确定性规则；定义成功、失败、转人工和指标；用最小工作流验证，再逐步增加自治。
5. ⭐ P1：怎样判断 Agent 项目真正产生业务价值？
看成功任务而非对话数：完成率、首次解决率、人工时长、转接率、错误/投诉、处理周期和成功任务成本。上线前有基线，上线后用分组 A/B 或灰度比较，并监控是否把问题转移到人工后端。
三、Python、异步与后端
6. 🔥 P0：async、并发和并行有什么区别？
async 是协作式并发机制，适合 I/O 等待；并发表示多个任务在一段时间推进；并行表示多个 CPU/GPU 同时计算。远程模型/数据库适合异步，本地重计算需要进程、GPU 或专用推理服务。
7. 🔥 P0：async def 里调用阻塞函数有什么问题？
会阻塞事件循环，使同 Worker 的其他协程无法推进。优先换异步客户端；短期用 to_thread；重 CPU 或大量阻塞工作放任务队列/独立进程，并设置并发与资源限制。
8. 🔥 P0：模型 API 如何重试？
只重试 429、临时 5xx、连接错误等瞬时错误；使用指数退避、抖动、最大次数和全局截止时间；参数/权限错误不重试；写 Tool 依赖幂等；持续失败时熔断或切换经评测的备用模型。
9. 🔥 P0：什么是幂等，为什么 Agent 特别需要？
同一业务请求重复执行只产生一次效果。Agent 会自动重试、恢复或重复规划，网络超时也会造成“结果未知”，因此写 Tool 必须有幂等键、唯一约束、状态查询或补偿，不能靠 Prompt 保证不重复。
10. ⭐ P1：为什么长 Agent Run 应返回 202？
长任务容易超过网关超时并占用连接，客户端重试可能重复执行。返回 202 + run_id，后台 Worker 执行，用 SSE/WebSocket/轮询更新，支持取消、审批和恢复。
11. ⭐ P1：如何做背压？
入口限流、每租户配额、有界队列、Worker 并发、下游 Semaphore、超时和过载拒绝。无限队列不是扩容策略；还要监控排队时间和拒绝率。
四、LLM、Prompt 与上下文
12. 🔥 P0：Prompt Engineering 和 Context Engineering 的区别？
Prompt 主要设计指令、示例和输出约束；Context Engineering 管理完整输入环境，包括规则、历史、状态、检索证据、工具定义/结果和 Token 预算。后者范围更大，重点是选择、压缩和来源治理。
13. 🔥 P0：如何降低幻觉？
用 RAG/Tool 提供可信事实；证据引用与无证据拒答；结构化输出和后置校验；关键计算交给代码；高风险动作审批；固定 Eval 和线上抽检。只能降低，不能宣称完全消除。
14. 🔥 P0：结构化输出能保证正确吗？
只能提高语法和字段类型稳定性，不能保证字段事实正确。仍需 Pydantic/JSON Schema 校验、业务规则、来源核验和权限检查；模型生成的置信度也需校准。
15. 🔥 P0：Prompt、RAG、Tool、Fine-tuning 怎么选？
Prompt 定义任务和格式；RAG 提供可更新知识和引用；Tool 获取实时状态或执行动作；Fine-tuning 稳定改变行为/能力。先定位失败，再选成本最低且可验证的方案。
16. ⭐ P1：如何处理长对话？
最近窗口保留原文，旧对话做摘要，关键业务字段结构化保存；按当前任务检索相关记忆；设 Token 预算和压缩策略；评测摘要是否丢约束。不要无限追加或粗暴只截尾。
17. ⭐ P1：温度越低是否越确定？
低随机性通常更稳定，适合抽取和工具参数，但不保证完全确定，也不保证事实正确。需固定模型/参数/Prompt 版本并做多次运行统计。
五、RAG 与知识工程
18. 🔥 P0：请讲完整 RAG 链路。
解析清洗、结构恢复、分块与元数据、Embedding/稀疏索引、查询理解、召回、融合去重、Rerank、上下文预算、生成引用、检索/生成/端到端评测、线上反馈。还要包含权限过滤和增量更新。
19. 🔥 P0：Chunk 大小怎么定？
由文档结构和问题粒度决定。先做标题/段落等结构分块，建立标注查询集，比较不同大小/overlap 对 Recall@k、答案、延迟和成本的影响。没有全局最佳数字。
20. 🔥 P0：Dense、BM25、Hybrid 分别解决什么？
Dense 擅长语义和同义改写，BM25 擅长精确词、编号和新术语，Hybrid 融合两者。可用 RRF 避免分数尺度不一致，再用 Reranker 精排。
21. 🔥 P0：Rerank 为什么有效？
召回阶段用高效索引找较多候选，Reranker 逐对理解查询和文档，提高候选内排序精度。代价是延迟和成本，所以控制候选数、批处理并用数据集验证。
22. 🔥 P0：最终回答错了，怎么判断是检索还是生成？
先看标注证据是否进入候选；没进入是解析/Chunk/查询/召回。进入但太低是融合/Rerank。正确证据已进入最终上下文而回答仍错，才主要是生成/指令/冲突问题。
23. 🔥 P0：RAG 如何做权限隔离？
身份来自认证层，检索前根据 tenant、用户和文档 ACL 做 Metadata Filter；缓存 Key 带权限版本；工具再鉴权；不能先检索敏感文档再要求模型不输出。
24. ⭐ P1：如何评估 RAG？
检索测 Recall@k、Precision@k、MRR/NDCG；生成测正确、忠实、完整、引用支持和无答案拒答；端到端测任务成功、延迟、成本；安全测越权泄露率为 0。
25. ⭐ P1：何时用 GraphRAG？
实体关系、多跳路径、全局结构对任务关键时考虑。它增加实体抽取、图维护和评测成本；普通 FAQ 优先做好 Hybrid RAG。
26. ⭐ P1：Embedding 升级怎么无停机？
新建版本索引并双写/回填，离线 A/B，同一查询影子比较，完成后切读流量；保留回滚；不能在同一索引混用不兼容向量空间。
六、Agent 架构与状态
27. 🔥 P0：ReAct 与 Plan-and-Execute 的区别？
ReAct 每步根据观察选择动作，灵活但易循环；Plan-and-Execute 先计划再执行，适合长任务但计划会过时且调用更多。短工具探索用有上限 ReAct，长任务用计划+Checkpoint，固定流程不用 Agent。
28. 🔥 P0：如何设计 Agent State？
类型化保存目标、身份、已验证事实、证据、工具请求/结果、审批、步骤、错误和最终输出；区分模型建议与真实业务状态；支持序列化、版本迁移；不保存密钥。
29. 🔥 P0：如何防止无限循环？
最大步骤、时间、Token、工具次数与成本；重复动作/状态检测；无进展终止；结构化错误；必要时追问或转人工。所有限制由代码实施。
30. 🔥 P0：Checkpoint 有什么用？
每步持久化状态，支持崩溃恢复、人工审批、回放和分支实验。恢复可能重执行节点，所以副作用必须幂等；旧状态还要考虑图/Schema 版本兼容。
31. 🔥 P0：哪些逻辑不能交给模型？
身份、权限、金额上限、合法状态迁移、审批要求、超时重试、成本上限、审计和不可逆动作。模型可建议，可信代码最终决定。
32. ⭐ P1：如何分类 Agent 错误？
瞬时错误系统重试；参数/解析错误让模型有限修正；用户可修复错误暂停追问；权限错误拒绝审计；未知错误失败报警。不要把所有异常都自由文本回灌模型。
七、Tool Calling 与 MCP
33. 🔥 P0：如何设计可靠 Tool？
窄业务接口、严格 Schema、稳定结果、结构化错误、最小权限、服务端身份、超时、有限重试、幂等、风险分级、审批、审计和测试。
34. 🔥 P0：模型提出 Tool Call 后，系统要检查什么？
允许列表、参数 Schema、主体/资源权限、租户、业务状态、风险与审批、幂等键、速率/成本、目标地址和敏感字段。模型请求不等于授权。
35. 🔥 P0：MCP 和普通 Function Calling 的关系？
Function Calling 是模型表达结构化函数调用；MCP 是 Host/Client/Server 之间发现与调用 Tools、Resources、Prompts 的标准协议。MCP 解决连接标准化，不自动解决权限和信任。
36. 🔥 P0：MCP 的 Tool、Resource、Prompt 分别由谁控制？
Tool 主要由模型选择调用；Resource 由应用选择作为上下文；Prompt 通常由用户选择模板。控制方差异决定安全和 UX。
37. 🔥 P0：写 Tool 超时后能否直接重试？
先用原幂等键查询状态。若下游支持幂等可安全重试；状态未知则人工/补偿。不能生成新幂等键直接重复写，因为业务动作可能已成功。
38. ⭐ P1：MCP STDIO Server 为什么不能随便 print()？
stdout 承载 JSON-RPC 协议消息，普通输出会破坏协议。日志写 stderr 或文件。HTTP 传输则没有这个冲突。
39. ⭐ P1：MCP HTTP 授权要注意什么？
OAuth 2.1、Protected Resource Metadata、Token Audience、最小 Scope、HTTPS/PKCE、短期 Token；Server 验证 Token 只为自身签发，禁止向下游透传入站 Token。
40. ⭐ P1：Tool 太多导致选择错误怎么办？
先路由场景，动态暴露小工具集；权限过滤；改进名称和互斥描述；合并重复工具；用混淆矩阵评测；关键路由改为确定性规则。
八、Memory、多 Agent 与人工审批
41. 🔥 P0：短期和长期 Memory 的区别？
短期跟随 Thread/Checkpoint，保存当前对话状态；长期跨 Thread 保存稳定偏好/事实，需 Namespace、来源、TTL、敏感级别和删除。知识库不应混成长记忆。
42. 🔥 P0：如何防止记忆污染？
只存类型化数据，不存可执行指令；写入政策、来源和 TTL；敏感/推断记忆确认；读取仍视为不可信；记忆不能扩大权限；支持审计、更正和删除。
43. 🔥 P0：什么时候用多 Agent？
子任务可并行、上下文/工具/权限需要隔离、或独立扩缩容时。先有单 Agent 基线；如果质量收益不抵延迟、成本和复杂度，不拆。
44. 🔥 P0：如何评测多 Agent？
测 Supervisor 分解、Worker 分配、消息字段、证据传递、部分失败、循环委派、越权、总步骤、成本和延迟；与单 Agent 基线 A/B。
45. ⭐ P1：审批点怎么选？
按概率、影响和不可逆性评估。外发、资金、删除、权限、代码执行和敏感数据访问通常审批；低风险读操作可预授权。审批 UI 展示动作、对象、参数、依据和后果。
九、评测与可观测性
46. 🔥 P0：如何完整评估 Agent？
确定性单元测试、组件 Eval、轨迹 Eval、端到端任务和线上业务指标。质量、安全、延迟、成本共同衡量；固定版本化数据集；线上失败回灌离线集。
47. 🔥 P0：黄金数据集怎么构建？
真实脱敏问题与专家边界案例优先，生产失败持续加入，合成数据补长尾并抽检。按风险/意图/语言分层，记录来源和版本，保留隐藏测试集。
48. 🔥 P0：LLM-as-judge 有哪些偏差？
顺序、长度、风格、同模型偏好和随机性。用明确 Rubric、人工校准、成对比较、重复运行；可规则化的指标不用 Judge。
49. 🔥 P0：Log、Metric、Trace 有什么区别？
Log 是事件；Metric 是聚合趋势；Trace 是一次请求跨模型、检索、工具的因果路径。Agent 故障定位主要靠 Trace，告警靠 Metric，详细上下文靠受控 Log。
50. ⭐ P1：如何设回归门禁？
高风险安全指标零容忍；任务成功不低于基线容忍阈值；P95 和成功任务成本不超预算；按 Split 检查少数类；人工复核显著变化样本。
十、生产、安全与模型部署
51. 🔥 P0：如何降低延迟和成本？
Trace 分解；并行独立操作；小模型路由；上下文压缩；缓存；批处理；减少重复工具和模型调用；最大步骤；流式输出；按成功任务同时看质量、延迟、成本。
52. 🔥 P0：Prompt Injection 怎么防？
无法只靠 Prompt。外部内容不可信；指令/数据分离；最小权限 Tool；服务端校验；审批；沙箱与网络限制；输出 DLP；红队数据集和监控。
53. 🔥 P0：Docker 是安全沙箱吗？
不是绝对安全。容器共享内核；特权、挂载、Socket、Capability 会扩大风险。需要非 root、只读文件系统、资源/网络限制、Seccomp/AppArmor；高风险代码使用更强隔离。
54. 🔥 P0：如何做模型降级？
Model Gateway 统一路由；每个备用模型通过相同质量/安全/Tool Eval；超时、熔断后切换；记录配置版本；不能把写动作重复发给多个模型并行执行。
55. ⭐ P1：量化有什么收益与代价？
降低显存、提高可部署规模和潜在吞吐；可能损失质量，兼容性与延迟收益依硬件/Kernel。重新评测目标任务、工具调用和安全，而非只看通用指标。
56. ⭐ P1：如何多租户隔离？
入口可信 tenant；数据库/索引 ACL；缓存 Key 带租户和权限版本；Tool 服务端再鉴权；Secret/日志隔离；跨租户红队测试；模型不能选择任意 tenant。
十一、项目与行为面
57. 🔥 P0：介绍你的 Agent 项目。
用 90 秒：业务问题 → 为什么 Agent → 架构与确定性边界 → 最难故障 → Eval 指标 → 安全与局限。不要从“我用了 LangChain”开始。
58. 🔥 P0：最严重的失败案例是什么？
按 STAR/故障复盘：现象、影响、Trace、根因、临时止损、长期修复、回归数据和预防。选择能展示工程判断的真实失败，不要说“Prompt 写得不够好”就结束。
59. 🔥 P0：你如何证明改进有效？
冻结数据集和基线；只改一个主要变量；多次运行；报告总体和分组指标、P95、成本；人工复核变化；通过门禁后灰度，线上验证业务指标。
60. ⭐ P1：如果重新做一次，你会改什么？
给具体技术债：例如先建立 Eval 再调 Prompt、先做单 Agent 基线、Tool 提前加入幂等/审批、RAG 先做权限元数据。说明预期收益和验证方法，而不是泛泛说“时间更多会优化”。
十二、面试前最后检查
你至少要准备：
- 1 张系统架构图；
- 1 张 Agent 状态图；
- 1 张 RAG 链路图；
- 1 份 Eval 指标表；
- 1 条完整失败 Trace；
- 1 个安全威胁模型；
- 1 个幂等恢复故事；
- 3 个技术取舍：为何不用多 Agent、为何 Hybrid+Rerank、为何写操作审批；
- 真实、可复现的项目数字。
如果你只能展示聊天页面，面试官很难判断工程深度；如果你能展示状态、Trace、指标、恢复和安全边界，即使 UI 简单，也更符合生产级 Agent 岗位要求。
所属系列
AI Agent 开发学习与面试指南