AI Agent 脚手架项目面试题

题集来源:小傅哥(bugstack)查看原题集

题目目录

18 道原题
    完整原题

    请简述本项目的整体架构设计,以及为什么选择 DDD(领域驱动设计)?

    原题
  1. 在“智能体装配(Armory)”模块中,你是如何处理复杂的配置解析和对象构建的?使用了哪些设计模式?

    原题
  2. “本地 MCP”是该项目对本地 Bean 工具调用的称呼。

    完整原题

    项目中是如何实现 MCP (Model Context Protocol) 的?特别是“本地 MCP”是如何设计的?

    原题
  3. 在“手机网关”模块中,Netty 服务端

    完整原题

    在“手机网关”模块中,Netty 服务端是如何解决 TCP 粘包/拆包问题的?通信协议是如何设计的?

    原题
  4. Netty 是异步通信的,但业务层调用(如“让手机截图”)通常需要同步等待结果,你是如何实现的?

    原题
  5. 请介绍一下项目中 Agent 工作流(Workflow)的设计,Loop、Parallel 和 Sequential 节点分别解决了什么问题?

    原题
  6. 在“AI + Draw.io”场景中,

    完整原题

    在“AI + Draw.io”场景中,如何确保 AI 生成的 XML 是可用的?前后端交互协议是如何设计的?

    原题
  7. 你提到的“Spring AI 动态预热”是如何实现的?有什么作用?

    原题
  8. 在 Spring AI 集成中,项目是如何利用 "Skills" 机制来增强 RAG 或替代传统向量检索的?

    原题
  9. 移动网关系统中,服务端如何处理 Netty 的异步通信与 Agent 同步决策之间的矛盾?

    原题
  10. 项目在装配 MCP (Model Context Protocol) 工具时使用了什么设计模式?解决了什么问题?

    原题
    完整原题

    针对智能体服务的异常处理,项目采用了怎样的分层处理策略?如果 Netty 服务端突然宕机,如何保证 Agent 任务的一致性?

    原题
    完整原题

    什么是 AI Agent(智能体)?它与传统的 LLM 应用(如 ChatGPT)有什么本质区别?

    原题
  11. 什么是 ReAct 范式?它是如何让 Agent 具备推理能力的?

    原题
  12. 请解释 RAG(检索增强生成)与 Fine-tuning(微调)的区别及各自适用场景。

    原题
  13. 什么是向量数据库(Vector Database)?它在 AI Agent 中起什么作用?

    原题
  14. 什么是 Chain of Thought (CoT)?它如何提升 LLM 的推理能力?

    原题
  15. 什么是 MCP (Model Context Protocol)?为什么它对 Agent 生态很重要?

    原题