海康威视 Agent 开发一面面经
- 轮次
- 一面
- 时间
- 2026-09
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 实习的 Agent 包含哪些功能?架构怎么设计的?用了哪些技术栈或框架?
- Agentic workflow 哪些环节用到了 LLM?
- 只是简单的 prompt + API 吗?为什么没有用 ReAct 或 Plan-and-Execute?
- 文档处理这块是怎么做的?应该不是简单的大模型调用就能做好。
- 手写体或印刷体是怎么处理的?
- 整个 workflow 里用到的大模型就是这一个吗?还是每个环节不一样?
- Prompt 优化是怎么做的?怎么迭代?第一版是大模型生成的吗?迭代是大模型做还是人工做?能让大模型自动化做吗?
- 项目的整个过程你觉得复杂点是什么?
- 现在的意图识别怎么做的?
- AI Agent 和传统聊天机器人的本质区别是什么?
- Agent Loop 的完整流程是什么?
- thought-action-observation 过程中怎么防止死循环?Agent 一直没得到想要的结果怎么办?
- 短期记忆、长期记忆分别怎么理解?
- Agent 的评测怎么做?用过哪些开源框架?用例怎么设计?准确率/通过率怎么量化?
- Skill 和 Tool 有什么区别?用过业务 Harness 吗?
- 用过 Claude Code 和 DeepSeek Harness 吗?DeepSeek Harness 有什么特点?
- 职业规划是什么?你觉得自己最大的优势是什么?
- 反问:我目前表现出的哪些特性还不能胜任工作?
《参考解析》
Agent 与聊天机器人的本质区别是“能否在循环中调用工具并改变外部状态”:聊天机器人以生成回复为终点,Agent 以完成任务为目标,需要规划、工具、记忆、状态和失败恢复。Agent Loop 是“观察—思考—行动—再观察”,每轮把工具结果写回上下文,直到满足停止条件。
防死循环要设最大轮数、总耗时和 token 预算,检测重复动作和状态不前进,失败时换策略、降级或转人工;工程上把停止条件写成显式规则,而不是只靠模型自觉。记忆分短期(当前会话/任务上下文)和长期(用户偏好、历史结论、知识库),短期靠上下文窗口和摘要,长期靠持久化存储与检索。
文档处理不是一次 prompt 能解决的:要先做 OCR/版面分析、去噪、分块、结构化抽取,再按字段校验;手写体和印刷体可以用不同 OCR 模型或置信度分流,低置信度转人工。Prompt 迭代要有评测集和版本记录,先人工改,稳定后再考虑用模型做候选生成和自动对比,但不能让模型无监督地改生产 prompt。
评测与 Harness:评测要建任务集、定义成功标准、跑固定基线、统计成功率/准确率/时延/成本,并做 badcase 归因。Tool 是单一能力,Skill 更像带流程和知识的可复用能力包;Harness 是运行和评测 Agent 的框架,负责上下文、工具、权限和日志。回答“DeepSeek Harness 特点”时,如果只用过就说使用感受,不要编内部实现。