面经合集

攒人品中～

1. 什么是 AI Agent？它包含哪些核心组件？
2. 详细讲解一下 ReAct 框架的原理
3. LLM 是如何实现工具调用的？详细讲讲 Function Calling 的底层机制与执行流程
4. 如何解决 Agent 工具调用时的“幻觉”（如编造 API、传错参数）？
5. 为什么 Agent 经常会陷入“死循环”（Loop）？工程中如何兜底？
6. Agent 中如何实现长文本和长期记忆的管理与检索？
7. Agent 的耗时过长，有哪些工程侧和基座侧的优化手段？
8. RAG 系统和 Agent 结合的形态（Agentic RAG）与传统 RAG 有何核心区别？
9. 当 Agent 需要调用多个工具，或者工具之间存在依赖关系时，调度引擎该如何设计？
10. 如果 Agent 对话上下文窗口溢出或出现“记忆遗忘”（Lost in the Middle），该如何处理？
11. Agent 在实际生产落地（例如自动化运维 AIOps、智能客服）中遇到的最大痛点是什么？如何解决？
12. 什么是 Multi-Agent 系统？
13. Agent 复杂任务分解的常用策略是什么？
14. 什么是 Self-Reflection机制？在代码生成或故障排查 Agent 中如何应用？
15. 如何设计 Agent 的流式输出以提升用户体验，特别是包含工具调用和多次大模型交互时？
16. 开源模型的 Function Calling 能力较弱，如何通过微调或 Prompt 提升？
17. Agent 的Planning模块有哪些主流的实现方式？（如 Step-by-step 与 Plan-and-execute 的对比）
18. Agent 的推理（Reasoning）范式有哪些？（CoT / ToT / GoT 等）
19. Agent 的记忆机制有哪些分类？（Short-term / Long-term / Working Memory）
20. 在多智能体协同中，如何解决 Agent 之间的冲突或无限争议问题？
21. Agent 开发中的系统安全风险有哪些？（如 Prompt Injection、沙箱逃逸、越权执行）如何防范？
22. 做 Agent 开发，对底层 LLM 的能力（如指令遵循、长文本解析、结构化输出）有哪些具体要求
23. DSPy 是什么？它在 Agent 提示词优化和流程构建上有什么优势？
24. 基于强化学习的 Agent与传统基于 Prompt 的 Agent 有何区别？
25. 如何让 Agent 具备自我学习或经验沉淀的能力？