Agent 高频题 29. 从零设计一个 Agent:场景题按什么顺序答
文章目录
高斯信息技术一场 AI 开发工程师一面问,让你设计一个企业知识库,这条链路你怎么设计?下一问接着问重排有哪些策略,了解 RRF 吗,BM25 检索习惯用什么工具做。字节一场 AI 应用工程师一面出的是数据分析 Agent:老板经常问「为什么今天这个数据异常」,你会怎么设计?后面连追六问:Memory 怎么设计,上下文怎么管理,需要几个 Agent,业务表结构变了怎么处理,具体怎么落地,难点是什么。
同一个内部知识问答助手,员工问出差住酒店一晚能报多少,检索一次、生成一次就答完了;员工说 VPN 连不上,下一步查什么要看上一步查到了什么。这道题换一个场景就是一道新题,能提前准备的是回答的顺序:先问清需求,再判断哪一段要模型自己拿主意,然后一环一环做决定,最后讲怎么评、第一版上什么。
这是 Agent 高频面试题单第 29 题。原题单记了 11 位作者、11 场面试。这次重读了库里留有链接、还能看到正文的 515 篇面经,其中 29 位作者在 33 场面试里遇到了这道题。下表按作者数排序,一场面试可以问到几个方向。
第二、四行是设计讲完以后接着追的问题,其余四行是题目让设计什么。业务 Agent 那一行的 18 场分在十来种业务上。按具体题目数,知识库和文档问答最多,有 6 场,Coding Agent 有 5 场,智能客服有 4 场。下面拿知识库问答当主例。
一、先别急着画架构,有几件事要问清
样本里的题目,给的条件有多有少。某小厂一场 AI Agent 技术面出的是金融领域的垂类 RAG,题目写明压缩包有 600GB 到 1TB,全是 PDF,电子版和扫描版都有。字节跳动一场后端一面的题目是从零设计云产品智能客服,后面点了四块:知识、资源、排障和转人工。高斯那场只有一句「设计一个企业知识库」。
题目给了的条件,方案里要逐条用上。几百 GB 的 PDF 里混着扫描版,解析和建库的成本就得先讲。题目没给的,开口问;面试官让你自己定,就把假设说出来再往下讲。要问的是这几件:
药明康德一场 AI 数据方向二面的财务知识库,题目里就有制度文档和 Excel 报表两类文件,还问新旧版本的制度冲突导致答错怎么规避。OPPO 一场 IT 开发一面给的是一篇带图的 Word 文档,要求回答里同时有文字和图片。格式、版本和回答的形态,题目没给时都在要问的范围里。
下面假设面试官这样回答:公司三千人,全员在办公软件里用。资料是制度文档、IT 手册和历史工单,一万份上下,以 Word 和 PDF 为主,有少量扫描件,薪酬类文档只有 HR 能看。除了问制度,员工还想查年假余额、报 VPN 故障、申请系统权限。
二、要不要 Agent,哪一段要
Anthropic 2024 年 12 月的《Building effective agents》把这类系统统称 agentic 系统,再分成两种。Workflow 是模型和工具按预先写好的代码路径编排,Agent 是模型自己动态决定流程和工具怎么用。文章建议先找尽可能简单的方案,只在需要时才增加复杂度,这可能意味着根本不做 agentic 系统。它还说,对很多应用,把带检索和上下文示例的单次模型调用优化好,通常就够了。
把假设里的四种请求分开看:
四种里只有排障要循环。Anthropic 那篇文章说,Agent 可以用在步数难以预测、没法把路径写死的开放问题上。VPN 排障符合,查年假不符合。四条路前面还有一步分流,判断这句话该走哪条,做法在第 17 题。Workflow 和 Agent 怎么取舍在第 23 题。
科大讯飞一场 Java 线下一面的场景题是对接各国的海外博主,按报价和实时汇率算 CPM(千次曝光成本)。报价是一段文本,要用 AI 解析,题目说明 AI 接口不保证结果正确,要求讲整套流程和表设计。这套系统里只有解析报价这一步用模型,其余是汇率获取、计算和存储。模型放在哪一步、解析结果怎么校验,方案里要交代。
字节一场全栈二面让候选人把电商从搜索到下单的全流程改成和 Agent 交互完成,接着拿这位候选人实习做的多 Agent 研发平台来对比:两边都是相对固定的流程,为什么那边用多 Agent,这边用单 Agent,划分依据是什么?哪一段固定、哪一段放开、拆不拆多个 Agent,都要说得出依据。多 Agent 值不值得拆在第 3 题。
三、把知识库问答走一遍
每一环只讲这一步要定什么,细节在对应的题里。
数据和工具。 先定资料怎么进库。扫描件走 OCR,表格单独处理,每一块带上来源、版本和权限,后面的引用、版本过滤和权限过滤都靠这几个字段。取舍在建库成本:某小厂那场追问,TB 级文档全量做 Embedding 开销极大,初始化建库和增量更新怎么优化。可以先入问得多的资料,更新时按内容哈希只重算变了的文档。药明康德那场问的新旧版本冲突,做法是检索时按版本或生效时间过滤,默认只取最新版。解析、切分、召回、融合和重排在第 1 题第三、四节,高斯那场追的重排也在那里。
再定工具。查年假、查账号和设备状态是只读的,提交权限申请是写操作,每个工具先标清这一点。这里只有三四个工具,全部挂上就行,工具多了怎么让模型选对是第 24 题。
上下文和记忆。 每一轮放进窗口的有三样:系统提示词,检索到的几块资料,最近几轮对话。资料放多了贵、慢,还会带进干扰,所以重排后只留最相关的几块。员工接着问「那高铁呢」,要先把上一轮的出差报销补进问题,再去检索。跨会话的记忆先不做,部门和职级从 HR 系统查得到。系统提示词怎么写在第 26 题,每轮放什么、快满了怎么清在第 5 题,什么该进长期记忆在第 6 题。
循环和失败。 只有排障那条路会循环,要定三件事:最多走几步,什么情况停,停了交给谁。给循环设步数和花费的上限,到了上限就转给 IT 值班的人,并附上已经查过什么。检索那条路也要有出口:重排后的最高分低于阈值,就回答不知道,或者转人工。阈值定高了拒答多,定低了编得多。循环怎么写、怎么停在第 9 题,走一步看一步还是先列计划在第 14 题,工具超时和重试在第 11 题,原地打转怎么识别在第 28 题,幻觉怎么减少在第 19 题。
权限和确认。 权限过滤放在检索阶段,薪酬文档只在 HR 的检索范围里,没有权限的内容进不了上下文。工具用提问人的身份去调,年假只查得到自己的。提交权限申请前,把填好的申请单给员工看,点了确认才提交。OpenAI 的《A practical guide to building agents》建议按只读还是写、能否撤回、需要的账号权限和资金影响这类因素,给每个工具评低、中、高三档风险;敏感、不可逆或代价高的动作,在对 Agent 的可靠性有把握之前交给人把关。副作用怎么分级在第 11 题,越权和提示词注入在第 20 题。
怎么评。 先定一个主指标,比如答对并且出处正确的比例。再分段看:检索看召回,生成看答案有没有依据,另外单看该拒答的问题拒了多少。评测题从 HR 和 IT 的历史工单里找真实问题,几十条起步,里面要有知识库答不了的。排障和提申请这两条路,看任务最后完成了没有。评测集、打分和指标在第 4 题,RAG 的分段指标在第 1 题第五节,效果差从哪查在第 15 题。
成本和延迟。 定每一步用什么模型。OpenAI 那份指南的做法是,原型阶段每一步都用能力最强的模型,建立效果基线,再试着换成小模型,看结果还能不能接受。分流的请求短、类别固定,可以最先试小模型。报销标准这类高频问题可以缓存答案,缓存要跟着文档版本失效,也不能跨权限共用。流式输出能让第一个字早点出来,总时长不变。成本和缓存在第 12 题,延迟怎么拆在第 16 题。
四、换一道题,顺序不变,哪几步不一样
Coding Agent 和智能客服是样本里另外两类出得多的题,数据分析 Agent 用字节 AI 应用工程师那场的题。同一个顺序套上去,每一步的答案变成这样:
百度有两位秋招候选人,一面、二面各被问了一次从零设计。其中一位一面被问,做一个类似 cc 或者 code 的 Coding Agent 有什么思路(cc 是 Claude Code 的常见简称);三天后的二面又被问,从零设计一个 Coding Agent 会怎么设计。Coding Agent 这一列的「怎么评」,Anthropic 那篇文章的附录有一段:代码方案可以用自动化测试验证,但测试验证的是功能,方案是否符合更大范围的系统要求,仍然要靠人工审查。网易互娱一场 AI 应用日常实习的二面,让候选人设计一套线上报错自动分析、自动修复并提交 Merge Request 的系统,后面十问顺着这套系统追代码质量、审查和测试,比如 AI 说单元测试全绿,能不能直接上线。AI 写的代码怎么把关在第 2 题第三节。
智能客服这一列,字节跳动后端那场的题目自己点了转人工。OpenAI 那份指南列了两种通常需要人工介入的情况:超过失败阈值,比如多次尝试后仍然没理解用户意图;以及高风险动作。阿里云一场一面指定了框架,问电商客服用 LangGraph 怎么设计工作流、节点和状态,这要用到第 10 题。
数据分析这一列,字节 AI 应用工程师那场追问业务表结构变了、加了新表怎么处理。表结构说明写死在提示词里,库一改就过期,要改成从库的元数据里现取。
网易一场 Agent 开发一面出的是全自动 AI 漫剧创作 Agent,问整体架构、核心节点和关键流程。这类生成题照样先问清:成片给谁看,谁验收,哪些节点要人看过才往下走。那场接着问的三件事也落在同一个顺序上。人物设定和画风怎么前后一致,是哪些设定要固定下来、每一步都带上;怎么设计实验验证效果,是评测;要快速上线 MVP 保留哪些功能,是第一版的范围。
不限场景的问法有 6 场。美团一场 Agent 开发一面问,设计一个 Agent 应用要从哪些方面整体规划。百度一场广告投放大模型研发二面问,没有 Codex、Claude Code 这些工具,手里只有模型 API 和 VS Code,怎么搭起一整套 Agent 应用。没给场景,就自己先定一个具体需求,再按同样的顺序讲。只有模型 API 时,循环、工具执行和上下文管理都要自己写,最小的版本是一个模型、几个工具加一个循环,写法在第 9 题第二节。
五、设计讲完,面试官接着往哪追
考频表第二、四行是设计讲完以后的追问:往架构和环节追的有 10 场,往效果、取舍和落地追的有 6 场。这些追问大多对得上系列里的某一题:
效果、取舍和落地这一类里,有几个追问没有专门的一篇,各说一句。
字节全栈二面问用什么业务指标衡量。要答业务上看得见的数,知识库的例子里是转到 HR 和 IT 人工的工单少了多少,再配上抽检的答错率和单次成本做护栏。
药明康德那场问,财务知识库做到高精度要多长时间,要哪些硬件和技术条件。先问清「高精度」是多少、怎么量,再按阶段答:一小批文档加几十条评测题跑通要多久,全量入库看文档量和解析难度。硬件看模型是调 API 还是自己部署。
九方智投一场一面的最后一句是,员工不信任的时候怎么说服。能拿出来的有三样:回答带出处,点得回原文;办理类动作先保留人工确认,数据证明可靠了再放开;试点期间的评测和抽检结果。
六、时间怎么分,怎么收尾
33 场里至少有 5 场,这道题是帖子里记下的最后一个问题,美团 Agent 开发那场后面紧接着就是反问。下面的分法是建议,不是从面经里统计出来的。假设这道题有十分钟:
面试官想听哪一环,会像第五节那样追下去,那时再展开。
收尾先讲第一版。网易 Agent 开发那场问的就是这个:要快速上线 MVP,保留哪些核心功能,怎么取舍。知识库的例子里,第一版只上制度问答和年假查询,两条路都是只读的,答案有出处可查。排障和提申请先转人工,同时记下转人工的问题,哪一类最多,下一版先做哪一类。OpenAI 那份指南在结尾建议从小处开始,用真实用户验证,再逐步扩大能力。灰度、回滚和 bad case 怎么回流在第 13 题。
再留一句给风险:这套方案里最没把握的是哪一环,打算用什么数据验证。字节 AI 应用工程师那场的最后一个追问就是「你觉得难点是什么」。
七、面试怎么答
两分钟主线
-
先问清五件事:谁用、问什么,资料什么样,怎样算成功,量级和时限,能做哪些动作、哪些做了收不回。面试官不给,就说出自己的假设再往下讲。
-
把请求分类,判断哪一类要模型自己定下一步。以企业知识库问答为例,问制度是检索加生成的固定链路,查年假是一次只读调用,提权限申请是固定步骤加确认,只有 VPN 排障要循环。
-
数据和工具:资料解析后带着来源、版本和权限入库,检索默认只取最新版;每个工具先标清只读还是写。
-
上下文、失败和权限:每轮只放系统提示词、检索结果和最近几轮对话;循环有步数和花费上限,检索分数太低就回答不知道或转人工;权限在检索阶段过滤,写操作等用户确认。
-
评测和成本:定一个主指标,再分检索、生成和拒答三段看,评测题从真实工单里来。原型先用最强的模型建立基线,再把能换的步骤换成小模型。
-
第一版只上只读的功能,其余先转人工,按转人工的记录决定下一版做什么。最后说出方案里最没把握的一环和打算怎么验证。
准备自己的项目
从自己做过的系统里挑一个,按这个顺序重讲一遍:当初问清了哪些条件,哪一条没问清、后来返了工;哪一段交给了模型,哪一段写成了固定流程,依据是什么;第一版砍掉了什么,后来按什么数据加回来。再准备一道没做过的题,把你的项目换成智能客服或者 Coding Agent,对着第四节的表说出哪几步的答案变了。
容易答错的地方
-
题目一出就画多 Agent 架构,没问用户、资料和成功标准。
-
把整个系统都叫 Agent,说不出哪一段是固定流程,哪一段才要循环。
-
题目给了数据量、文件格式这些条件,方案里没用上。
-
只讲正常路径,不讲检索不到、工具失败和循环到了上限怎么办。
-
写操作不设确认,或者权限只靠提示词约束。
-
没准备评测和第一版范围,被问到怎么证明有效、先上什么时现想。
出处
面经按发帖人记述转述。原题单和本次复核的样本范围、收录条件有差别。
-
设计一个业务 Agent 或应用:途游 Agent 二面 · 百度广告投放大模型研发二面 · 快手效果营销日常二面 · 元戎启行前端三面 · 去哪儿旅行 AI 面试一面 · 智谱 AI Native Builder 实习一面 · B 站测开面试 · 斑头雁 Agent 实习一面 · Agent 开发面经(未写公司) · 科大讯飞 Java 线下一面 · 杭州微链词元 AI 应用开发面试 · 字节跳动后端一面 · 字节 AI 应用工程师一面 · 阿里云一面 · 小厂一面 · 字节全栈二面 · 网易 Agent 开发一面 · 九方智投一面。
-
设计完追问架构和环节:元戎启行前端三面 · 某小厂 AI Agent 技术面 · 斑头雁 Agent 实习一面 · 东方财富一面 · 药明康德 AI 数据方向二面 · 字节 AI 应用工程师一面 · WXG 一面 · 高斯信息技术 AI 开发工程师一面 · 字节全栈二面 · 网易 Agent 开发一面。
-
设计知识库或文档问答:百度大模型研发一面 · 百度 Agent 一面 · OPPO IT 开发一面 · 某小厂 AI Agent 技术面 · 药明康德 AI 数据方向二面 · 高斯信息技术 AI 开发工程师一面。
-
设计完追问效果、取舍和落地:药明康德 AI 数据方向二面 · 字节 AI 应用工程师一面 · 网易互娱 AI 应用日常实习 · 字节全栈二面 · 网易 Agent 开发一面 · 九方智投一面。
-
不限场景,从零做一个 Agent:百度广告投放大模型研发二面 · 美团 Agent 开发一面 · 北京小厂 AI 日常实习面试 · 美团面试(一挂) · 东方财富一面 · WXG 一面。
-
设计 Coding Agent 或研发提效系统:百度秋招 Agent 一二三面 · 斑头雁 Agent 实习一面 · 网易互娱 AI 应用日常实习 · 腾讯 WXG 实习一面 · 字节 AI Agent 开发一面。
设计顺序里引用了两份官方指南,原文可以对照。
-
Workflow 和 Agent 的区分、先用最简单的方案、Agent 可以用在什么问题上、Coding Agent 的验证。Building effective agents(Anthropic,2024-12-19)。
-
工具风险分级、人工介入的两种触发条件、先用最强的模型建立基线、从小处上线。A practical guide to building agents(OpenAI)。













