深度赋智 Agent 算法/开发二面:harness 对比、apply patch 与长任务拆解
- 轮次
- 二面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 项目三人里你做了什么,贡献排名第三的人做了什么?
- 对比各 harness 之间的区别,你为什么用 Pi?介绍其中一个 harness。
- Codex 的 apply patch 和普通 edit 之间有什么区别?
- Codex 的 session 恢复是怎么做的?
- 普通 edit 在同一文件匹配到多个相同字符串怎么办?
- 云端工具与本地工具的区别?
- 设计题:coding agent 做网页成本过高,怎么优化?
- 设计题:长任务、大项目怎么做?
- 你在项目里学到了什么软性的能力?
- 反问。
《参考解析》
项目贡献要经得起提交记录核对:面试官看了 GitHub 提交,说明他关心真实分工。回答时按模块讲「我设计/实现了什么、别人做了什么、我审查或接手了哪部分」,不要夸大;排名第三的人做的事也要能客观描述,避免贬低队友。被问到不熟悉的部分,如实说边界。
harness 对比:从工具集、上下文管理、权限与沙箱、循环控制、会话持久化、扩展方式几个维度比。Pi 这类轻量 harness 胜在简单、可改、启动快,适合定制;Codex 的 runtime 把补丁、shell、会话恢复做得更完整;Claude Code 的工具粒度细、权限模型清晰。回答时选一个自己真正用过的,讲清「为什么这个场景选它」,不要泛泛背功能。
apply patch 与 edit:apply_patch 用带上下文的补丁描述多处增删改,能一次表达跨行、跨段的修改,格式严格、可审查;普通 edit 通常是「精确匹配一段原文并替换」,实现简单,但对重复文本敏感、难以表达大范围重排。补丁方式的失败模式是上下文不匹配,编辑方式的失败模式是匹配不唯一。
session 恢复:会话内容追加写入 JSONL(每条消息、工具调用与结果),元数据(会话 ID、工作目录、模型、时间、状态)存 SQLite 或索引文件;恢复时按会话 ID 读取 JSONL 重建消息历史,校验工作目录与文件状态,必要时重放未完成的工具调用。关键是追加写、可截断、版本兼容,以及不要把密钥写进日志。
同一文件匹配到多个相同字符串:正确做法是返回「匹配不唯一」错误,要求 Agent 补充更多上下文或改用行号范围,而不是猜一个替换。实现上先统计匹配次数,等于 1 才替换,大于 1 报错并返回候选位置;也可以要求 old_string 带足够上下文,或提供 replace_all 显式选项。
云端工具与本地工具:云端工具环境一致、易扩展、不占本地资源,但有网络延迟、数据出域与凭据管理问题;本地工具访问文件与系统方便、延迟低,但环境漂移、隔离弱。选择按「数据敏感度、延迟要求、环境一致性、权限」权衡,常见是控制面在本地、执行面在远端沙箱。
网页生成成本优化:按任务与环节选模型,规划用强模型、样板代码用便宜模型;提高缓存命中率(稳定前缀、少改系统提示);前端反馈用 DOM/可访问性树做常规校验,截图只在视觉问题时用;每一步配编译、测试、lint 验证,减少返工;限制重试次数与上下文长度,失败快速上报而不是无限循环。
长任务与大项目:递归分解成可验证的子任务;设计、编码、验收分给不同角色,每个角色的上下文只装当前任务需要的信息;用 Verifier 做阶段验收,验收标准要客观、不能被模型自己糊弄;用 markdown 文件或任务板跨上下文传递进展与决策;设置检查点与人工介入点,定期回看整体目标,避免局部最优。
软性能力:主动性(发现问题自己推进)、学习能力(陌生领域快速建立知识框架)、沟通(把技术问题讲给非技术同学)。每个能力配一个具体例子,比形容词有说服力。