DeepSeek高频面试题
题目一：手写完整的Multi-Head Attention，不能只写框架
原题题目二：DPO的完整训练流程推导，从数据准备到梯度更新
原题题目三：MOE模型的通信开销计算和负载不均衡问题分析
原题题目五：DSpark推理加速框架的核心机制推导
原题题目六：DeepSeek-V4的KV缓存压缩原理与内存占用计算
原题题目七：多模态视觉原语推理框架的数学建模
原题题目八：DeepSeek MoE的无辅助损失负载均衡机制推导
原题你最近在关注 Agent 领域的什么新技术？——你说你关注了 DeepSeek-Harness，你怎么理解它和 LangChain 的本质区别？Harness 解决了什么 LangChain 解决不了的问题？
原题选一个你做得最满意的 Agent 项目，完整讲一遍。——从业务背景到技术方案到落地效果。不要报菜名（说用了 RAG、用了 Multi-Agent），我要听设计决策背后的思考。
原题你的 Agent 整体架构是分几层的？——每一层的职责是什么？层与层之间的接口是怎么设计的？为什么这么设计？如果换一种分层方式会有什么不同？
原题你的 Agent 是用的 ReAct 还是 Plan-and-Execute？——为什么选这个？如果任务更复杂（比如 50 步的长链路），你的方案还 work 吗？怎么改进？
原题多 Agent 协作是怎么实现的？——通信模式是什么？如果子 Agent 返回的结果是自然语言（而不是结构化数据），主 Agent 怎么解析？怎么保证解析不出错？
原题你的 Agent 评测体系是怎么搭建的？——评测集覆盖了多少场景？怎么构造的？如果评测集里 30% 的 case 答案有主观性，你怎么处理？
原题Badcase 怎么回流到训练/优化流程里？——你是不是直接把失败轨迹拿出来重新做 SFT？如果是，有什么问题？如果不是，你的完整处理链路是什么？
原题如果 Agent 效果不达预期，你怎么判断瓶颈在哪？——是模型能力不够？工具调用不准？上下文丢失？还是评测标准有问题？怎么区分？
原题Agent Loop 的核心设计是什么？——每一步的输入输出格式是什么？如果 LLM 返回的 Tool Call 不合法，怎么处理？如果执行完工具后观察结果太长，怎么截断？
原题如果 Agent 跑了 20 分钟还没结束，用户等不及了要取消，你的系统怎么响应？——取消后，已经在执行的工具调用怎么处理？任务状态怎么回滚？
原题上下文压缩时，你怎么做信息丢失的评估？——用模型打分还是规则？如果压缩丢了关键信息导致 Agent 后面决策错误，你能检测到吗？怎么恢复？
原题怎么看待现在的 AI Coding 工具（Cursor、Claude Code、Codex）？——你觉得它们最大的瓶颈是什么？如果让你做一个更好的，你会怎么设计？
原题你觉得 3 年后的 Agent 开发框架会和现在有什么不同？——Harness 会变成什么形态？模型和工程的分界线在哪里？
原题如果你来做 DeepSeek-Harness 的下一个版本，你会加什么功能？
原题你读过 DeepSeek-Harness 的源码吗？——你觉得它的核心设计亮点是什么？有什么你觉得可以改进的地方？
原题除了 Harness，你还关注哪些 Agent 方向的开源项目？——你 Fork 过吗？提过 PR 吗？
原题设计一个"多人协作的 Agent 平台"，支持多个用户同时使用，每个用户可以创建多个 Agent，Agent 之间可以协作。——多租户隔离怎么做？Agent 之间的通信怎么设计？权限控制怎么实现？
原题实现一个简单的 FST（有限状态机）来管理 Agent 的状态。——状态包括：INIT、PLANNING、EXECUTING、CHECKING、COMPLETED、FAILED。状态转换的触发条件是什么？
原题原题将“有限状态机”写作 FST；此处按列出的状态与迁移理解为 FSM。
手写一个简单的 Agent Loop 框架（Python 伪代码），支持：工具注册、ReAct 循环、最大步数限制、错误处理。
原题
暂无题目