刚刚结束快手的一面心情真的是一言难尽……怎么说呢这是我面过最“离谱”的面试没有之一。面试官问完Agent相关的问题后突然冷不丁来一句“问几个Java基础吧。”我当时脑子一抽脱口而出“那个……我没背过八股文……”然后他居然笑了笑说“那就不问了。”我当时内心OS这么好说话的吗更绝的是后面——算法题给了一道easy我没做出来。面试官人很好又换了一道更简单的还是easy我依然没做出来……那一刻我真的想找个地缝钻进去。但神奇的是到了反问环节我俩居然聊得特别嗨整整聊了半个多小时全程哈哈哈感觉不像面试倒像是师兄在跟我聊技术。嗯凉是肯定凉了但这场的面试题质量真的高我必须好好复盘一下希望能帮到准备面Agent岗的姐妹们和兄弟们做miniclaude这个项目是出于什么想法其实理由特别单纯就是我想亲手做一个能跑起来的东西而不是天天对着论文和教程看。当时Claude的computer use功能出来我觉得太酷了——AI居然能像真人一样移动鼠标、敲键盘直接操作电脑。我就想能不能自己撸一个类似的而且不依赖任何闭源API于是就有了miniclaude。核心就是把大模型的推理能力和操作系统级的操作能力串起来。做完这个项目最大的收获不是代码量而是真正理解了Agent从“想”到“做”的完整流程。面试官听得还挺认真的追问我踩了哪些坑。我说最深的坑是权限控制——给太多怕它乱搞给太少又啥都干不了真的纠结死。介绍下context engineering、prompt engineering、harness engineering这个问题其实是在考你有没有形成自己的Agent工程体系。我当时是这么说的心里还有点小紧张但硬撑着Prompt Engineering就是怎么跟模型说话让它听懂你的任务。这是最基础的一层解决“能不能”的问题。Context Engineering不止是一句静态提示词了而是模型每次调用前动态拼出来的整个信息环境——包括系统指令、工具列表、外部数据、聊天历史等等。它解决的是“让模型看全”的问题。Harness Engineering这个更高一层把Agent当成一个完整的系统来设计。模型只是引擎外面还要套工具调用、状态管理、权限控制、错误重试、安全护栏、监控这些。它解决的是“让模型可靠执行”的问题。这三层是层层递进的不是谁替代谁。Prompt是语言层Context是信息层Harness是系统层。面试官听完点了点头没追问看来我的理解没跑偏偷偷松了口气。说一下toolTool就是Agent跟外部世界打交道的“手”。光有脑子模型不行还得能动手。我项目里做了两类工具一类是文件操作读文件、写文件、建目录另一类是命令行执行让Agent能跑shell命令。关键点是工具的描述一定要写清楚因为模型是靠着描述来决定要不要调用、参数怎么填的。描述模糊的话模型要么不调要么调错很气人。面试官追问了错误处理我说超时和权限不足是最常见的两种失败超时的重试权限不足的直接报错返回不让Agent继续乱试。说一下memory怎么设计详细说说长短时记忆记忆这块我真的花了不少心思因为Agent没有记忆就像金鱼一样转头就忘。短期记忆就是当前会话的上下文我把对话历史、当前任务状态、执行过的操作都塞进去。但问题是上下文窗口有限太长了就得截断或者压缩得省着点用。长期记忆是把重要的历史信息存下来需要的时候再翻出来。我用了向量数据库做语义检索把过去的对话和关键决策embedding存进去新问题来了就去检索相关的历史。但这里有个坑不是所有东西都值得存。我加了一个“重要性过滤器”只有关键决策、用户偏好、或者翻车教训才会进长期记忆。不然啥都存检索时全是噪音等于白存。面试官追问长期记忆怎么更新我说目前是追加式写入不覆盖旧记录靠时间戳和相关性排序。后面计划做记忆的合并和摘要不然存太多也会爆。你设计的agent出现过幻觉吗怎么解决的出现过而且不止一次我都快有心理阴影了……最典型的一次Agent在总结一份长文档时凭空捏造了一个不存在的章节标题还写得有模有样的。我一看这啥呀根本没这段啊。我的解决方案分三层第一层是提示词约束——在system prompt里明令“只基于已有信息回答不确定就说不知道”。第二层是工具验证——Agent说的每个事实都要能追溯到具体的工具调用结果。找不到来源就标记为待验证。第三层是反思机制——任务完成后Agent自己再检查一遍输出看有没有跟已知事实冲突的地方。说实话幻觉真的没法100%消除我只能在Harness层加校验和人工兜底心里才踏实一点。了解react吗讲解一下react范式ReAct是2022年普林斯顿和谷歌提的名字就是Reasoning Acting。核心思想特别简单不让模型一口气吐答案而是思考→行动→观察→再思考这样循环着来。举个例子问“今天北京天气怎么样”传统模型直接输出。但ReAct模式下模型会先想“我需要查天气→调天气API→拿到结果→整理回答”每一步推理都看得见。这样做的好处很明显一是推理过程可追溯出问题知道在哪步翻的二是模型能根据观察结果动态调整计划不会一条路走到黑。面试官追问ReAct和CoT的区别我说CoT只是让模型把推理写出来再给答案ReAct是加了“行动”这个维度让模型不仅能想还能动手做。怎么防止出现死循环这个问题太实际了Agent在ReAct循环里如果没控制好真的会卡死——反复调同一个工具反复走同一条路像个复读机。我在项目里用了这几个机制步数上限——设置最大迭代次数到了就强制停。重复检测——记录最近几步的工具调用签名工具名参数如果连续出现相同的就判断为循环强行打断。状态停滞检测——如果连续几步都没啥实质变化比如没写新文件、没更新数据也触发退出。面试官说这个设计方向是对的还补了一句可以在prompt里明确告诉模型“如果发现自己重复做同一件事就停下来换个思路”。我觉得这个建议很好回去就加上。说说权限和失败重试部分的设计权限这块我走的是“最小权限原则”——Agent默认啥权限都没有每类操作都要单独授权。文件读取给基础权限文件写入需要额外确认执行shell命令要最高级别授权还得二次确认。这样就算Agent被恶意指令攻击损失也可控。失败重试分两种一种是可重试的失败比如网络超时、API限流我用指数退避重试最多3次。另一种是不可重试的失败比如权限不足、工具不存在直接报错返回不让Agent再浪费时间。面试官追问了为什么不让Agent继续尝试我说因为有些错误重试也没用反而浪费token和钱不如早点把控制权还给用户。说说你认为最重要的几部分我说了三块第一是工具系统——工具是Agent的能力边界描述得越清楚、接口设计得越合理Agent能干的事就越多、越稳。第二是记忆架构——没记忆的Agent每次都是白纸有了记忆才能积累经验、持续进化。第三是Harness层的控制——包括权限、重试、监控、安全护栏没有这些Agent就是实验室里的玩具上不了生产线。了解subagent吗subagent适用于什么场景Subagent就是主Agent把任务拆开后派小弟子Agent去干。核心价值是上下文隔离。如果主Agent自己干所有子任务上下文窗口很快会被中间结果撑爆。但subagent干完只把最终结果报回来中间那几十步调用都不进主窗口省空间。适用场景我举了两个一是并行的任务比如同时搜五个不同来源的信息五个subagent一起跑最后汇总。二是能力差异大的任务比如一个要写代码一个要查法律条文可以用不同模型、不同工具集的subagent分别处理。面试官追问subagent之间能不能通信我说严格说不能都走父Agent中转这样才能保持隔离性。准备问java八股我说我不会然后就没问这段我真的忍不住想笑。面试官翻了我的简历看到写过Java就说“问几个Java基础吧”。我当时心里一紧但也不知道哪来的勇气直接说“实不相瞒我没背过八股要问源码我还能聊两句八股是真没准备……”然后他就笑了说“那就不问了”。就这么轻飘飘地过去了……我准备好的Java内存模型、GC、并发编程统统没用上。面试官人真的很好没为难我。但这也提醒我大模型岗面试真的不考八股项目和系统设计才是王道。算法题股票买入和卖出原题是LeetCode 121买卖股票的最佳时机。给一个数组第i个元素是第i天的价格只能买卖一次求最大利润。嗯……我没做出来。面试官看我卡住了换了一道更简单的——大概是“给一个数组找最大的两个数之差要求大的在后面”。我还是没做出来。当时脑子一片空白平时刷题闭着眼都能写的面试时就是转不过弯。紧张是真的菜也是真的好想哭……面试官特别温柔笑着说“没关系我们聊聊别的吧”然后就进入了反问环节。反问环节聊了半个多小时算法题翻车后我以为面试要提前结束了。结果面试官问我“有什么想问我的吗”然后我俩就聊开了。我问了团队目前在做什么方向的Agent、技术栈是什么、遇到的最大挑战是什么。他也问了我的学习路径、怎么看论文、怎么保持技术敏感度。聊着聊着就变成了技术交流——他分享了一些他们做多Agent协作时踩的坑我讲了自己在记忆架构上的一些尝试。整整聊了三十多分钟氛围特别好。虽然算法题跪了Java八股也没答但这场面试让我觉得——面试不仅仅是考试更是和同行的一次深度交流。一些碎碎念复盘下来快手这场面试的含金量真的很高。12个问题几乎覆盖了Agent开发的全部核心维度项目动机、工程范式、工具设计、记忆架构、幻觉治理、推理框架、循环控制、权限重试、系统优先级、多Agent协作。没有一个问题是靠背的每一个都跟实际项目经验挂钩。算法题没做出来确实遗憾但我认——刷题不够临场心态也崩了。不过能和面试官聊半个多小时的技术本身就是一种收获吧。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透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】
刚刚结束快手的一面心情真的是一言难尽……怎么说呢这是我面过最“离谱”的面试没有之一。面试官问完Agent相关的问题后突然冷不丁来一句“问几个Java基础吧。”我当时脑子一抽脱口而出“那个……我没背过八股文……”然后他居然笑了笑说“那就不问了。”我当时内心OS这么好说话的吗更绝的是后面——算法题给了一道easy我没做出来。面试官人很好又换了一道更简单的还是easy我依然没做出来……那一刻我真的想找个地缝钻进去。但神奇的是到了反问环节我俩居然聊得特别嗨整整聊了半个多小时全程哈哈哈感觉不像面试倒像是师兄在跟我聊技术。嗯凉是肯定凉了但这场的面试题质量真的高我必须好好复盘一下希望能帮到准备面Agent岗的姐妹们和兄弟们做miniclaude这个项目是出于什么想法其实理由特别单纯就是我想亲手做一个能跑起来的东西而不是天天对着论文和教程看。当时Claude的computer use功能出来我觉得太酷了——AI居然能像真人一样移动鼠标、敲键盘直接操作电脑。我就想能不能自己撸一个类似的而且不依赖任何闭源API于是就有了miniclaude。核心就是把大模型的推理能力和操作系统级的操作能力串起来。做完这个项目最大的收获不是代码量而是真正理解了Agent从“想”到“做”的完整流程。面试官听得还挺认真的追问我踩了哪些坑。我说最深的坑是权限控制——给太多怕它乱搞给太少又啥都干不了真的纠结死。介绍下context engineering、prompt engineering、harness engineering这个问题其实是在考你有没有形成自己的Agent工程体系。我当时是这么说的心里还有点小紧张但硬撑着Prompt Engineering就是怎么跟模型说话让它听懂你的任务。这是最基础的一层解决“能不能”的问题。Context Engineering不止是一句静态提示词了而是模型每次调用前动态拼出来的整个信息环境——包括系统指令、工具列表、外部数据、聊天历史等等。它解决的是“让模型看全”的问题。Harness Engineering这个更高一层把Agent当成一个完整的系统来设计。模型只是引擎外面还要套工具调用、状态管理、权限控制、错误重试、安全护栏、监控这些。它解决的是“让模型可靠执行”的问题。这三层是层层递进的不是谁替代谁。Prompt是语言层Context是信息层Harness是系统层。面试官听完点了点头没追问看来我的理解没跑偏偷偷松了口气。说一下toolTool就是Agent跟外部世界打交道的“手”。光有脑子模型不行还得能动手。我项目里做了两类工具一类是文件操作读文件、写文件、建目录另一类是命令行执行让Agent能跑shell命令。关键点是工具的描述一定要写清楚因为模型是靠着描述来决定要不要调用、参数怎么填的。描述模糊的话模型要么不调要么调错很气人。面试官追问了错误处理我说超时和权限不足是最常见的两种失败超时的重试权限不足的直接报错返回不让Agent继续乱试。说一下memory怎么设计详细说说长短时记忆记忆这块我真的花了不少心思因为Agent没有记忆就像金鱼一样转头就忘。短期记忆就是当前会话的上下文我把对话历史、当前任务状态、执行过的操作都塞进去。但问题是上下文窗口有限太长了就得截断或者压缩得省着点用。长期记忆是把重要的历史信息存下来需要的时候再翻出来。我用了向量数据库做语义检索把过去的对话和关键决策embedding存进去新问题来了就去检索相关的历史。但这里有个坑不是所有东西都值得存。我加了一个“重要性过滤器”只有关键决策、用户偏好、或者翻车教训才会进长期记忆。不然啥都存检索时全是噪音等于白存。面试官追问长期记忆怎么更新我说目前是追加式写入不覆盖旧记录靠时间戳和相关性排序。后面计划做记忆的合并和摘要不然存太多也会爆。你设计的agent出现过幻觉吗怎么解决的出现过而且不止一次我都快有心理阴影了……最典型的一次Agent在总结一份长文档时凭空捏造了一个不存在的章节标题还写得有模有样的。我一看这啥呀根本没这段啊。我的解决方案分三层第一层是提示词约束——在system prompt里明令“只基于已有信息回答不确定就说不知道”。第二层是工具验证——Agent说的每个事实都要能追溯到具体的工具调用结果。找不到来源就标记为待验证。第三层是反思机制——任务完成后Agent自己再检查一遍输出看有没有跟已知事实冲突的地方。说实话幻觉真的没法100%消除我只能在Harness层加校验和人工兜底心里才踏实一点。了解react吗讲解一下react范式ReAct是2022年普林斯顿和谷歌提的名字就是Reasoning Acting。核心思想特别简单不让模型一口气吐答案而是思考→行动→观察→再思考这样循环着来。举个例子问“今天北京天气怎么样”传统模型直接输出。但ReAct模式下模型会先想“我需要查天气→调天气API→拿到结果→整理回答”每一步推理都看得见。这样做的好处很明显一是推理过程可追溯出问题知道在哪步翻的二是模型能根据观察结果动态调整计划不会一条路走到黑。面试官追问ReAct和CoT的区别我说CoT只是让模型把推理写出来再给答案ReAct是加了“行动”这个维度让模型不仅能想还能动手做。怎么防止出现死循环这个问题太实际了Agent在ReAct循环里如果没控制好真的会卡死——反复调同一个工具反复走同一条路像个复读机。我在项目里用了这几个机制步数上限——设置最大迭代次数到了就强制停。重复检测——记录最近几步的工具调用签名工具名参数如果连续出现相同的就判断为循环强行打断。状态停滞检测——如果连续几步都没啥实质变化比如没写新文件、没更新数据也触发退出。面试官说这个设计方向是对的还补了一句可以在prompt里明确告诉模型“如果发现自己重复做同一件事就停下来换个思路”。我觉得这个建议很好回去就加上。说说权限和失败重试部分的设计权限这块我走的是“最小权限原则”——Agent默认啥权限都没有每类操作都要单独授权。文件读取给基础权限文件写入需要额外确认执行shell命令要最高级别授权还得二次确认。这样就算Agent被恶意指令攻击损失也可控。失败重试分两种一种是可重试的失败比如网络超时、API限流我用指数退避重试最多3次。另一种是不可重试的失败比如权限不足、工具不存在直接报错返回不让Agent再浪费时间。面试官追问了为什么不让Agent继续尝试我说因为有些错误重试也没用反而浪费token和钱不如早点把控制权还给用户。说说你认为最重要的几部分我说了三块第一是工具系统——工具是Agent的能力边界描述得越清楚、接口设计得越合理Agent能干的事就越多、越稳。第二是记忆架构——没记忆的Agent每次都是白纸有了记忆才能积累经验、持续进化。第三是Harness层的控制——包括权限、重试、监控、安全护栏没有这些Agent就是实验室里的玩具上不了生产线。了解subagent吗subagent适用于什么场景Subagent就是主Agent把任务拆开后派小弟子Agent去干。核心价值是上下文隔离。如果主Agent自己干所有子任务上下文窗口很快会被中间结果撑爆。但subagent干完只把最终结果报回来中间那几十步调用都不进主窗口省空间。适用场景我举了两个一是并行的任务比如同时搜五个不同来源的信息五个subagent一起跑最后汇总。二是能力差异大的任务比如一个要写代码一个要查法律条文可以用不同模型、不同工具集的subagent分别处理。面试官追问subagent之间能不能通信我说严格说不能都走父Agent中转这样才能保持隔离性。准备问java八股我说我不会然后就没问这段我真的忍不住想笑。面试官翻了我的简历看到写过Java就说“问几个Java基础吧”。我当时心里一紧但也不知道哪来的勇气直接说“实不相瞒我没背过八股要问源码我还能聊两句八股是真没准备……”然后他就笑了说“那就不问了”。就这么轻飘飘地过去了……我准备好的Java内存模型、GC、并发编程统统没用上。面试官人真的很好没为难我。但这也提醒我大模型岗面试真的不考八股项目和系统设计才是王道。算法题股票买入和卖出原题是LeetCode 121买卖股票的最佳时机。给一个数组第i个元素是第i天的价格只能买卖一次求最大利润。嗯……我没做出来。面试官看我卡住了换了一道更简单的——大概是“给一个数组找最大的两个数之差要求大的在后面”。我还是没做出来。当时脑子一片空白平时刷题闭着眼都能写的面试时就是转不过弯。紧张是真的菜也是真的好想哭……面试官特别温柔笑着说“没关系我们聊聊别的吧”然后就进入了反问环节。反问环节聊了半个多小时算法题翻车后我以为面试要提前结束了。结果面试官问我“有什么想问我的吗”然后我俩就聊开了。我问了团队目前在做什么方向的Agent、技术栈是什么、遇到的最大挑战是什么。他也问了我的学习路径、怎么看论文、怎么保持技术敏感度。聊着聊着就变成了技术交流——他分享了一些他们做多Agent协作时踩的坑我讲了自己在记忆架构上的一些尝试。整整聊了三十多分钟氛围特别好。虽然算法题跪了Java八股也没答但这场面试让我觉得——面试不仅仅是考试更是和同行的一次深度交流。一些碎碎念复盘下来快手这场面试的含金量真的很高。12个问题几乎覆盖了Agent开发的全部核心维度项目动机、工程范式、工具设计、记忆架构、幻觉治理、推理框架、循环控制、权限重试、系统优先级、多Agent协作。没有一个问题是靠背的每一个都跟实际项目经验挂钩。算法题没做出来确实遗憾但我认——刷题不够临场心态也崩了。不过能和面试官聊半个多小时的技术本身就是一种收获吧。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透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】
