Agent 应用开发工程师一面面经

淘天AI Agent一面 问麻了 刚结束淘天AI Agent的一面，问太细了分享下都问了啥 笔试面试可辅助。 面了差不多一个小时，问题覆盖了RAG、MCP、多智能体这些方向，听起来都挺常规，但面试官问得是真细，尤其是项目里的具体实现，每个环节都会追问你当时怎么想的、有没有遇到问题。 RAG部分 项目里做的是多阶段RAG，BM25和向量检索都用了。面试官问了两个点：这两种结果融合的逻辑具体怎么设计的，还有混合检索到底在哪个环节比单独用效果好。 还问到了PDF扫描件、OCR这些格式的处理，以及表格结构化提取的时候有没有踩过坑。最后补了一个识别准确率大概能到多少。 多智能体 这块问的是State管理和Checkpoint机制怎么实现的。还追问了多个Agent并行跑的时候状态竞争怎么避免，以及State全局管理是怎么做的。 MCP工具封装 Choice接口封装成MCP工具的时候，标准化接口怎么设计的，有没有遇到兼容性问题。还让我现场举了一个项目里的例子，说清楚入参出参怎么定义的。 面试官还问了一些偏原理的问题：没有MCP之前大模型调用工具走的是什么流程，MCP本身有什么缺点或者挑战，以及MCP返回结果支不支持流式。 项目工程细节 多Agent项目是不是主子架构。某个功能单次会话的token大概有多少，有没有超过模型限制。用的Qwen具体是哪个版本。 子任务失败比如数据抓回来是空的时候，工作流怎么重试或者降级。流式输出这块，后端用FastAPI加SSE，但在LangGraph这种图状态机里，怎么捕获每个节点的执行结果并实时推前端。最后问了一个选型问题：为什么选LangGraph而不是简单的LangChain。 整体感受 这轮面试没有特别偏或者特别难的题，基本都在AI应用开发的常见范围里。但能感觉出来面试官很关注你是不是真的踩过坑、自己动手解决过问题，光是背概念的话细节上容易答不深。 一轮下来感觉没什么问题，后续有辅助进展再来更新 没准备好的可以问问。 #面经# 淘天一面 #AIagent# RAG #MCP# 大模型面试#淘天面试# 字节面试 #互联网大厂实习# #Google实习# 牛客AI配图神器#