本文整理自一场度小满大模型方向技术一面。本场面试主要围绕 AI Agent、多 Agent 架构、ReAct、上下文工程、MCP、Tool Calling、RAG 和大模型幻觉等内容展开。文末附有候选人简介以及候选人面了 70 场的最大心得体会。一、AI Agent 基础Agent 与 Workflow什么是 AgentAgent 和传统 Workflow 有什么区别一个 Agent 的核心组成有哪些面试官进一步追问意图识别上下文管理长期记忆与短期记忆RAG 检索评估与反馈Agent 执行模式主流的 Agent 执行或协作模式有哪些你对这些模式有没有自己的理解涉及的典型模式包括ReActTree of ThoughtsPlan-and-ExecuteMulti-Agent多 Agent 路由多个 Agent 之间如何进行路由如何判断一个任务应该交给哪个 Agent多 Agent 系统如何进行任务分发二、多 Agent 架构设计企业级 Agent 平台如何解决多个 Agent 之间的状态共享问题长任务执行到一半中断了如何继续执行长任务如何实现断点续跑和故障恢复面试官重点关注状态持久化Checkpoint状态机故障恢复LangGraph 的状态机机制是如何实现的为什么 Agent 系统需要引入状态机三、ReAct 模式什么是 ReActReAct 主要解决了什么问题ReAct 的完整执行流程是什么典型链路包括ThoughtActionObservation根据 Observation 决定下一步操作ReAct 模式有哪些缺点面试官重点追问Token 消耗循环次数执行延迟模型调用成本无效循环错误 Action 连续传播除了 ReAct还有哪些模式可以优化这些问题涉及Tree of ThoughtsPlan-and-ExecuteReflectionReWOO四、上下文工程什么是 Context Engineering上下文中通常包含哪些核心内容例如长期记忆短期记忆滑动窗口历史对话当前任务状态构建一次模型调用的上下文时需要拼接哪些内容面试官提到System Prompt用户当前输入历史对话用户画像约束条件Few-shotRAG 检索结果工具调用结果当前任务状态上下文窗口满了以后应该怎么办上下文压缩时哪些内容必须保留哪些内容可以删除或者降级处理常见的上下文压缩策略有哪些包括摘要压缩滑动窗口分层记忆知识图谱ASTChunk 压缩五、MCP 与 Tool CallingTool Calling 原理Tool Calling 的原理是什么为什么大模型不能直接调用 HTTP 接口如何将一个业务接口注册成 ToolTool 调用完成以后返回结果如何交给模型继续处理MCP什么是 MCPMCP 和 Tool Calling 有什么关系为什么还需要 MCP大规模 Tool 管理如果系统中存在几百甚至上千个 Tool模型如何精准选择面试官重点关注Tool 分类Tool TagTool RouterEmbedding 匹配动态加载候选 Tool 召回六、RAG 与知识库Chunk 策略常见的 Chunk 分块策略有哪些面试官提到按自然段切分固定长度切分滑动窗口切分模型语义切分AST 切分知识图谱切分为什么 Chunk 不能太大为什么 Chunk 不能太小如何确定比较合适的 Chunk 大小混合与多模态检索混合检索最大的难点是什么面试官进一步扩展到了文本图片视频多模态内容不同模态的统一召回与排序什么是 Agentic RAG七、大模型幻觉大模型幻觉是如何产生的面试官将幻觉来源拆成了几个层面意图识别错误上下文构造错误RAG 召回错误工具调用错误模型自身生成问题如何降低或者控制大模型幻觉八、模型参数TopK 是什么TopP 是什么TopK 和 TopP 有什么区别如何通过 TopK、TopP 等参数控制模型输出九、项目与技术经历为什么从传统软件工程转向 AI 方向从 LangChain 到 LangGraph再到 ReAct这一路发生了什么变化为什么后来需要从 Chain 或 Workflow 转向带状态的 Agent 架构十、岗位与求职问题为什么想离职目前是在职还是已经离职你对这个岗位了解多少你想了解这个岗位的哪些内容2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书