面灵AI→

国网南瑞软件研发一面:Agent 协作与工具设计

轮次
一面
结果
已过(拒 offer)
时间
2026-10
来源
牛客网

《面试题目》

  1. 为什么读研期间没做过横向项目?
  2. 科研项目来源于哪里,解决什么问题,效果如何?
  3. 为什么用两个 Agent 协作,它们是怎么协作的?
  4. 怎么保证 AI 生成的代码是正确的?
  5. 有没有想过用 AI 对原有的旧代码进行检查和修改?
  6. 七类工具是怎么设计的?
  7. 用的是什么大模型,自己部署过吗?
  8. Spring Boot 里了解哪些注解?
  9. 自动注入讲一下。
  10. 为什么选南瑞?

《参考解析》

多个面试官同场,本质是四场小面试拼在一起,要按人切换叙事粒度。 负责人关心「你能不能扛住压力、简历是否真实」,问法常带质疑色彩(比如为什么没做过横向),这种问题不要辩解也不要情绪化,直接给客观约束加替代证明(组里不接横向,所以能力是在课题与实习里练的,并给出具体产出)。博士偏技术深度与判断力,回答要给原理和边界。组长关心工程落地与团队协作,回答要落到「怎么分工、怎么保证质量、怎么上线」。HR 关心动机与稳定性,回答要和个人规划挂钩。同一段实习经历,对四个人的讲述重点应该不同——这是多人面试最容易被忽略的准备点。

科研项目要讲成「问题—方法—结果」三段,而不是讲课题名。 说清项目来源(纵向课题、企业合作还是自选)、要解决的真实问题是什么、你的方法相比已有做法改了什么、效果用什么指标衡量。横向项目的有无本身不构成能力判断,面试官真正在筛的是「你有没有独立把一件事从模糊需求推到可验证结果」的经历,如果确实没有横向,就用课题里的实验设计、数据规模、复现与论文产出补上这条证据链。

多 Agent 协作要答出「为什么是两个」,也就是单 Agent 为什么不够。 常见动机有三类:职责隔离(一个负责生成、一个负责校验,把评审权从同一个模型里拆出来,避免自我确认偏误)、上下文与工具隔离(不同 Agent 拿不同的工具集和知识,减少互相污染与越权)、以及并行与流水线(可并发的子任务分给不同 Agent)。协作机制要讲清通信方式(共享黑板、消息传递还是编排者调度)、状态与终止条件(什么情况下判定完成、什么情况下放弃)、以及代价(token 成本上升、延迟上升、错误会在 Agent 之间传播、日志与责任归属更难定位)。最后一定要落到怎么评测:单个 Agent 的效果、协作链路整体的成功率、以及失败时能不能定位到是哪一个环节错了。答不出代价,很容易被判断成只跑过 demo。

AI 生成代码的正确性,是把「模型输出」变成「工程可验证」的过程。 可控手段按性价比排序:把生成范围切小(一次只改一个函数、diff 尽量短)、输出必须过静态检查与类型检查、改动必须伴随可运行的测试、关键路径的双人评审、以及上线前的灰度与回滚预案。明确哪些代码不允许 AI 独立产出也很重要(鉴权、资金、数据订正这类不可逆逻辑)。用 AI 改旧代码的实践同理:先给旧代码补上描述现有行为的测试(characterization test),再动手改造,分批提交、每批都能回滚,这样即使模型理解错了也能当场发现——回答里带上「先固化行为、再改结构」这条,是这类问题最容易被认可的思路。

工具设计是 Agent 工程的核心功夫,考的是边界感。 工具数量不是越多越好,每个工具应当职责单一、参数有严格 schema、错误信息对人可读、副作用明确(是否幂等、是否需要二次确认)、权限最小化(读与写分开、危险的删除与提交类操作单独设卡)。命名与描述是写给模型看的文档,要说清什么时候该用、什么时候不该用、参数含义与取值范围。七类工具如果能按「查信息 / 改状态 / 跑计算 / 调外部服务」这类维度分组并说明为什么这么切,就能自然回答「怎么保证模型选对工具」这个追问——工具之间的边界清晰,混淆的几率才会降下来。

大模型选型与自部署别只答「用过哪个模型」。 选型维度至少包括:任务难度与效果基线、上下文长度是否够装下检索结果与历史、推理成本与延迟、以及数据合规(能不能把业务数据发到外部 API)。自部署的动机通常是数据不出域、成本可控、可微调;代价是显存与并发吞吐的硬约束、量化带来的效果损失、运维与扩容成本,以及模型迭代速度跟不上。回答时给一个具体判断,比如「数据敏感的链路自部署小模型兜底、效果吃紧的环节走 API 并做脱敏」,比罗列模型名更能体现工程判断。

Spring Boot 的注解与自动注入,答法按三层展开。 一是核心注解的分类:@SpringBootApplication(等于 @Configuration + @EnableAutoConfiguration + @ComponentScan)、组件注册类(@Component 及其派生的 @Service / @Repository / @Controller / @RestController)、配置类(@Configuration + @Bean)、注入类(@Autowired / @Qualifier / @Value / @Resource)、配置绑定(@ConfigurationProperties / @Profile / @Conditional 系列)。二是自动注入的流程:启动时扫描并注册 BeanDefinition → 容器刷新阶段执行 BeanFactoryPostProcessor(自动配置类就是这样被加载筛选的)→ 实例化时由 AutowiredAnnotationBeanPostProcessor 按类型找候选、再用 @Qualifier 或变量名消歧 → 三级缓存解决单例的循环依赖。三是实践取舍:优先构造器注入(依赖不可变、便于测试、启动即暴露循环依赖),@Resource 按名称、@Autowired 按类型,多实现场景用 @Primary 或 @Qualifier 指定。追问常落在「循环依赖怎么解决」「@Transactional 为什么同类内部调用不生效」上,前者答三级缓存与代理对象提前暴露,后者答自调用绕过了代理。

「为什么选南瑞」这类动机题的答法是把它变成信息采集题。 先给与自身相关的具体理由(业务方向与做过的项目对口、想留在电力行业的数字化方向、看重稳定的工程体系),再顺势反问对方当前项目用什么技术栈、新人多久能独立负责模块、团队在 AI 与传统业务结合上有什么尝试。这样既回答了动机,又把单向回答变成双向了解,比背一段公司简介有效。