Agent 开发面经合集

我最近把AI Agent面经从0到1全部梳了一遍（含字节、阿里、腾讯真实面试），发现面试官真正想听的根本不是定义。
很多人（包括苯人一开始）以为Agent面试就是背ReAct、背Tool Calling、背LangChain，结果一开口就被面试官打断：“这些我都知道，你说说你的设计思路。”我问懵过两次后才醒悟，Agent面试不是八股，是体系考察。
下面这3个问题，几乎是每场面经中必问，🐮友们看看自己会不会踩坑。
1.如果你做一个Agent，遇到工具调用失败或者LLM幻觉怎么办？
我当时直接答“加retry”或“加human in the loop”，秒挂[掉小珍珠了]后面问claude，面试官想听的是完整容错体系：

• 怎么判断是工具错还是LLM幻觉？
• 用另一个LLM做fact-check / self-consistency
• 降级到弱Agent / 规则引擎 / 人工兜底
• 失败后状态怎么回滚？
• 生产环境怎么监控Agent健康度

1. Agent的Memory你怎么设计？
   大多数人（和我一样会说短期用ConversationBuffer，长期用向量数据库，直接寄。
   面试官想听的是分层记忆体系 + 读写策略：

• Working Memory（当前任务上下文）
• Episodic Memory（历史任务轨迹）
• Semantic Memory（领域知识）
• 什么时候用向量检索？什么时候用Graph？
• 遗忘机制怎么做？（重要性评分 + 定期压缩）
• 多Agent共享Memory时的读写锁和一致性问题

3.单Agent和Multi-Agent你什么时候选哪个？怎么协作？”
如果直接说任务复杂就用Multi基本凉。
真正要讲的是决策框架：

• 任务可分解性、通信成本、调试难度、单点故障风险
• 协作模式（Hierarchical / Decentralized / Mixture-of-Agents）
• 协调机制（Shared State / Message Queue / Supervisor）
• 实际项目里Multi-Agent带来的收益和踩过的坑