Agent 后端开发三面面经

面试净时长：约 42 分钟

时间：9.21

一、面试官介绍业务与第一轮交流

1. 面试流程与业务背景

开场面试官先说明整场分三部分：先介绍岗位和业务，由我就技术方案提问；再聊我近期做过的相关经历和技术点；最后留时间继续反问。

团队主要做内部 AI 研发提效平台，让 AI 参与需求开发和落地，会涉及 Agent 编排、工作流优化和本地/云端开发。另一个重点是动态知识库，希望 AI 自动采集、更新和治理研发知识，再反哺代码生成、测试等环节。

1. 围绕业务的交流

（1）我主要问了知识来源、在研发中的用法、定时还是触发式更新，以及关系库与向量库如何分工。

（2）还聊了 AI 如何自动保证知识质量、如何为代码任务加载精准知识，以及如何评测知识的实际采纳效果。

（3）聊到向量库时，面试官反问：你使用过 Milvus，请介绍它的架构；它维护的是文件、内容还是索引？

二、我介绍相关经历，面试官追问

1. 项目与性能优化

（1）介绍一下近期做过的 Agent、Skill 或相关技术方案。

（2）优化前后的耗时分别是多少？“端到端”的具体场景、起点和终点是什么？

（3）从 Plan/Action 切换到更轻量的方式后，AI 的计划和自愈能力是否受损？上下文处理是怎么做的？

（4）提速减少了哪些环节？优化后的稳定性如何，如何权衡效率与稳定性？

1. Workflow、Skill 与自愈

（1）原 Workflow 是什么样，后来为什么改成 Agent 和 Skill？

（2）是否考虑过串联多个 Skill，为每个环节设置质量准出标准，结果不达标时再执行或修正？

（3）如果多花约一分钟可把准确率提高 20 至 30 个百分点，如何设计质量与性能的权衡？谁对单个 Skill 和整合效果负责？

三、最后反问

1. 岗位与方案细节

（1）入职初期会主要做 AI 研发提效平台，还是动态知识库？

（2）动态知识方向大概从什么时候开始，其他团队是否也在做类似的自我迭代与自愈？

（3）AI 会参与代码自测吗，整个过程是自动化的吗？