Agent 开发工程师一面面经

1.硕士是两年制专业硕士吗？为什么没有选择学硕？ 2.请简要介绍一下实习期间的主要工作。 3.项目1主要解决了什么问题？ 4.推理路径是否描述了一个完整的 Agent 执行流程？ 5.模型微调的目标是什么？是否是让模型按照预期生成推理路径和后续执行结果？ 6.项目能否不进行模型微调，只通过 Prompt 和时间约束工具实现？ 7.是否可以在关键推理步骤直接使用能力更强的模型？为什么实验中不直接选择最强模型作为基座？ 8.你们是否使用 LoRA 进行模型微调？ 9.项目2是在什么业务场景下完成的？ 10.系统是否预先维护了一组故障处理方案，再按照可能性依次尝试？ 11.项目实施过程中遇到的最大问题是什么？ 12.系统是否需要进行日志排查？具体如何利用日志定位故障？ 13.当代码层级较深、文件较多时，Agent 如何准确定位相关代码？ 14.你们如何为代码目录和文件生成 Description？生成内容需要遵守哪些约束？ 15.Description 包含哪些粒度？ 16.你们是否将所有业务代码放在同一个代码仓库中，再通过目录区分不同业务？ 17.代码发生修改或重构后，Description 如何及时更新？ 18.如何评估 Description 对代码定位是否有效？ 19.如果过期的 Description 对 Agent 产生误导，系统如何发现并纠正？ 20.完成一次问题查找和故障归因通常需要消耗多少 Token？ 21.系统使用什么模型？是否自行部署？ 22.模型推理和 Agent 执行流程是否由你们自行实现和编排？ 23.项目为什么没有使用 LangChain？ 24.模型调用或部署的成本大约是多少？ 25.系统完成后是否已经交付给企业使用？ 26.系统如何根据使用过程和用户反馈持续优化？ 27.用户给出负面反馈后，相关案例是否也应该沉淀下来用于后续分析和学习？ 28.是否接入了 Agent 执行轨迹追踪工具，例如 LangSmith？ 29.项目3是否是为学校内部建设的？项目的主要难点是什么？ 30.知识图谱中包含哪些实体和实体关系？ 31.用户问题进入系统后，如何拆解 Query 并识别相关实体？ 32.系统采用的探索式查询方法是否类似蒙特卡洛树搜索？ 33.系统的知识库和索引使用了什么技术构建？ 34.用户输入关键词后，如何在知识图谱中查找对应实体？ 35.如果命中多个实体或三元组，系统如何排序？检索时是否召回全部相关内容？ 36.系统上线后的实际效果如何？ 37.用户可以通过系统查询哪些信息？用户最常提出哪些问题？ 反问：关于 AI 应用开发能力的提升建议，面试官觉得年轻人需要勇气和想象力。 面试官人很好，已约二面。