面灵AI→

北京华宇信息 Agent 开发 二面:部门经理与 HR 同场

轮次
二面
时间
2026-10
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 过去做过的 Agent 项目里,任务拆解是怎么设计的?
  3. 工具调用失败时怎么兜底?
  4. 多轮对话中如何保持上下文一致性?
  5. 有没有遇到过模型输出不稳定、需要人工干预的情况?
  6. Agent 的架构为什么选单 Agent 还是多 Agent 协作?
  7. 记忆模块是怎么设计的?
  8. 检索增强在哪些环节起作用?
  9. 提示词迭代的过程是怎样的?效果怎么评估?
  10. 为什么选择这个岗位?对工作地点怎么考虑?
  11. 过往经历中遇到分歧怎么处理?
  12. 对自己未来一两年的成长预期是什么?

《参考解析》

Agent 的任务拆解要讲「拆分依据 + 失败处理」:拆分依据通常是可验证性——每一步都要有明确的输入输出和判定标准,能独立重试;不能把「查资料并写报告」当成一步,而要拆成检索、筛选、成稿、核对。失败处理分三层:工具层做参数校验与幂等重试(只对超时、限流重试,参数错误直接回灌给模型改);编排层设最大步数与无进展检测,超了就降级成「先给部分结果 + 说明缺口」;产品层保留人工接管入口。

上下文一致性靠「显式状态」而不是长对话:把关键约束(用户偏好、已确认的事实、禁止项)抽成结构化槽位,每轮注入;历史消息做滚动摘要并保留数字与否定条件;工具结果只保留结论和引用,原文按需检索。这样即使对话很长,模型看到的「事实底座」是稳定且短的。

单 Agent 还是多 Agent,取决于「职责是否需要独立上下文与独立工具权限」:单 Agent 简单、链路短、调试容易,适合任务边界清晰的场景;多 Agent 适合需要不同角色视角(检索、审校、执行)或需要隔离权限的场合,代价是编排复杂、成本高、错误传播链变长。回答时给出你的选择依据和实测结果,比说「多 Agent 更先进」可信。

提示词迭代要有对照组:固定一批真实用例做评测集,每次只改一个变量(指令、示例、输出格式),跑同一批用例对比通过率与人工评分;把失败样本沉淀成回归用例。面试官问「效果怎么评估」,想听的是这套流程,而不是「感觉变好了」。

HR 环节的准备方式:把项目按「背景、方案、难点、结果」四块各准备一分钟版本与三分钟版本;分歧类问题用真实事件 + 你的判断依据 + 结果;成长预期要与岗位日常对齐(比如一年内独立负责一个模块的端到端交付),而不是空泛的「成为技术专家」。