小布助手AI Agent岗一面面经

OPPO小布助手AI Agent岗位的一面最近在求职圈引发不少讨论，不少人走出会议室后仍没缓过神。这篇文章根据多位候选人的面试回忆，还原一面里的高频追问与现场节奏，并整理出复盘要点，给准备同类岗位的人一个参考方向。

面试官几乎没有给候选人太多调整时间。简单确认了投递岗位和主要技术栈后，第一个问题就抛了过来：在之前的对话系统里，做过哪些跟工具调用或外部API交互的设计？ 候选人讲了一个天气查询模块，刚说到“调用天气接口返回结果”，面试官立刻追问：如果用户问“明天适合跑步吗”，你的系统需要调用哪几个数据源？调用顺序怎么定？如果其中一个数据源返回空值，兜底策略是什么？sf123.henanshucai.com 问题不算超纲，但节奏很快。候选人后来回忆，当时脑子里还在组织第一问的完整答案，第二问已经压过来了，几乎没有喘息空间。

从工具调用开始，面试进入更深的区域。面试官直接问：在你看来，一个能完成复杂任务的AI Agent，最核心的环节是什么？ 候选人答“规划”。面试官接着问：规划出错时，模型怎么发现？靠结果反馈还是靠规则？如果结果反馈也有延迟怎么办？ 这三个问题下来，候选人已经有点接不住。更麻烦的是，面试官并不急着给提示，而是顺着回答继续往下拆。比如候选人提到“可以加一个校验层”，面试官马上追问：校验层放在哪一端？端侧还是云端？如果网络抖动导致工具超时，你的状态机怎么处理？ 问题一环扣一环，候选人在白纸上画了好几个圈，始终没能把完整链路画清楚。180cq.henanshucai.com

真正让候选人彻底沉默的，是一道场景拆解题。 面试官给出一个具体指令：“帮我订周五下午从深圳到上海的机票，避开红眼航班，并同步到日历。”要求现场拆解系统设计。 候选人刚说完“意图识别、槽位提取、调用机票API”，面试官就打断：这是传统对话系统的思路。如果用Agent来做，你的执行器、规划器、记忆模块分别承担什么？为什么不用单次模型调用直接生成？判断是否需要拆成多步任务的标准是什么？ 候选人试图用“复杂任务需要多步”来回答，面试官继续追问：那你怎么量化复杂？三步算复杂还是一步算复杂？模型自己判断还是你预设阈值？ 这一连串问题让候选人停顿了好几秒，最后只能坦白这部分理解不深。事后他在社交平台发帖，用了“面懵了”三个字，评论区很快出现不少相似经历。mir.98jc.com

后来复盘，这位候选人发现自己主要栽在三个地方。 一是把AI Agent简单等同于“大模型+插件”，没有从系统架构层面理解智能体的规划、记忆、工具调用和评估闭环。面试官问的不是“知不知道”，而是“怎么串起来”。 二是对端侧部署的约束准备不足。小布助手跑在手机端，延迟、内存、模型量化都是绕不开的问题。候选人只背了云端方案，当面试官追问端侧如何裁剪、如何做推理加速时，回答很含糊。 三是对失败案例的分析不够具体。面试官不喜欢听“效果提升了不少”这类笼统表述，更想听到指标变化、badcase和迭代路径。没有数据支撑的复盘，在面试里很难站住脚。

如果接下来要面同类岗位，不要只准备概念。把简历里每一个项目都能用“输入-规划-执行-反馈-评估”的框架讲一遍。提前准备几个典型场景，比如行程规划、信息检索、跨应用操作，能用白板画清楚模块之间的数据流。wanhf.98jc.com 同时，多关注端侧大模型和Agent的工程化问题，比如上下文压缩、工具超时重试、多Agent冲突解决。面试时如果被追问到不会的地方，可以直接说“这块我理解不深，但我会从某个角度尝试拆解”，比硬编一个答案要稳得多。sffbw.98jc.com 一面被问懵并不代表没有机会，反而说明岗位对系统设计和工程落地的要求比预期高。把问题带回去重新梳理，二面才更有把握。