Agent 岗位方法分享

分享一下我面试 Agent 岗位时被问到的一些关键问题，以及我是如何回答的。

自从我的 Agent 学习路线那篇帖子“火”了以后，又有小伙伴问我：面试时 HR 会问哪些问题，又该怎么回答？

以下是我面试了几家公司后，整理出来 HR 的高频提问总结。

1. 你们用的 Agent 框架是什么？ReAct 还是 Plan-and-Execute？

我：我们主要用 ReAct，就是边想边干的那种。模型每走一步看一眼结果再决定下一步，灵活度高，用户中途改需求也能跟上。Plan-and-Execute 我们也试过，先出计划再执行，省 token，但一旦中间出岔子就不好处理。所以实际是混着用：大体上先有个计划，执行细节里遇到异常再切到 ReAct 模式局部调整。

1. 怎么让模型老老实实调用工具，不瞎编参数？

我：两个办法。一是用模型自带的 function calling，它返回的就是结构化数据，直接解析，最稳。二是如果模型不支持，我就把工具定义写得特别清楚，参数类型、必填项、例子都给足，然后在 Prompt 里硬性要求输出 JSON，再加一层正则解析和格式校验，不对就让它重试，最多两次。关键参数我还会在后端设默认值兜底，不能全指望模型。

1. Agent 的记忆怎么搞？长期短期分别怎么存？

我：短期就是当前会话的消息记录，加上一些状态变量，比如已经走到哪一步了、中间结果是什么，直接存 Redis。长期记忆的话，我会把聊完的会话压缩成摘要，或者抽取出用户偏好、常用信息，丢到向量库里，下次遇到相关话题再查出来塞回上下文。重点是要控制长度，太长就压缩，别把窗口撑爆。

1. 多智能体怎么协作？比如一个写代码一个审查

我：我会给每个 Agent 定死角色，比如程序员只负责写代码，审查员只负责挑毛病，System Prompt 里把职责和输出格式都限定好。协作方式一般就是顺序链，程序员写完直接丢给审查员。为了避免乱套，消息用 JSON 串起来，带上任务 ID 方便追踪。遇到意见冲突，我会加个仲裁者，或者关键步骤让人工介入。

1. 工具调用失败、超时了怎么办？

我：我把所有工具调用封装成统一函数，捕获异常后返回一个结构化的错误信息，比如“Error: 超时”，然后把这个错误喂回给模型，让它自己决定是重试、换工具，还是告诉用户出问题了。重试次数限制两次，整体执行超时也设一个，比如 30 秒，到点就中断。关键工具我还会准备备用 API，主挂了就降级。
……（文字有限，👆看图）。

#Agent[话题]# #Agent面试[话题]# #人工智能[话题]# #智能体[话题]# #面试技巧[话题]# #面试[话题]#

1. 怎么评估 Agent 效果好不好？

我：主要看两样：任务成功率，就是用户到底有没有把事情办成；再就是效率，平均用了多少步、花了多久。工具调用准不准也是关键，选对工具、参数填对才算好。离线的时候我会建一批测试用例，人工标好标准答案，用 GPT-4 帮忙打分。上线以后就看用户反馈、失败率，配合 A/B 测试慢慢迭代。

1. 上下文窗口不够用，对话太长怎么办？

我：常用招数：早期对话压缩成摘要，只保留关键信息。太长的任务拆成子任务，每个子任务独立对话，最后汇总。中间结果写进数据库，需要时再读回来，不都塞进上下文。实在不行就换支持长窗口的模型兜底，但优先用工程手段省 token。

1. 开发 Agent 时踩过什么坑？

我：坑太多了。比如模型反复调同一个工具还失败，我就加失败计数，超过阈值直接结束，不让它死循环。还有模型自己编参数，我就把工具返回结果用 JSON 喂给它，明确说“只能从这里边取”。多轮对话丢状态也遇到过，后来把状态存 Redis，每次带上会话 ID，服务无状态了就好多了。成本也得盯着，限制每轮 token 数，超预算就告警。

这些基本是 Agent 岗位面试的高频问题，回答时按这个节奏：先一句话说清思路，再补一两句关键做法，最后带个实际例子，面试官听着就觉得你有实战经验。加油宝子们！一定会上岸成功哒！