平安科技后端开发一面二面:Agent 与 LLM 的区别、MCP/Skills/Function Call
- 轮次
- 一面、二面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
一面
- 自我介绍。
- 你的 AI 经历是什么?
- 如果遇到学习或生活上的困难怎么解决?
- 编程语言与 IT 技能主要用什么?
- 简历说项目体现跨领域学习能力,具体如何体现?
- 具体指出项目中的离线惯导与在线导航是怎么实现的?
- 你现在在哪,在深圳吗,有什么安排?
- 你觉得对于我们部门业务,你的接入困难点是什么?
- 未来规划是什么?
- 项目困难点是什么,怎么解决的?
- 反问:平安集团下属科技部门,对比如平安银行部门和互联网大厂对新技术的开放兼容度怎么样?作为 AI 平台部门,与其他科技能力需求方接洽零代码平台,是我们独立开发再交付,还是类似「工作流合并」需要了解并暂时参与对方部门业务?
二面
- 自我介绍。
- 你的简历项目我不太清楚,能说一下大概吗?
- 你想投的是算法方向还是 Agent 方向?
- 说一下你对 Agent 的理解。
- 你刚刚说的都是 LLM,Agent 主要的理解是什么?
- 你对 Agent 中 MCP、Skills、Function Call 的区别和理解是什么?有什么关系?
- Skills 具体和 Function Call 有什么区别联系?
- 你学的是 Python,对异步编程有了解吗?大致流程是什么?
- 为什么要用异步编程做 IO?事件循环的作用是什么?
- 事件循环不能并发吗?CPU 密集型为什么一定要用多进程?
- 你刚刚说的 CPU 密集型并发计算用的是什么?
- 你对 AI 的理解是什么?
- 你觉得人在 AI 流程方面的作用哪些是最重要的?
- 你对开源框架的理解?
- 你上一问说的那个项目,你觉得有什么困难的点?
- 反问:平安科技对新人的培养和要求大概是什么样?目前内部的 Agent 岗主要是做服务架构底层建设,还是服务端一侧的应用?
- 你现在拿下什么 offer 了吗?
《参考解析》
Agent 与 LLM 的区别要一句话切开:LLM 是「给定上下文,产出一段文本」的函数;Agent 是「给定目标,自主决定下一步做什么」的系统——它在循环里观察环境、选择工具、执行动作、根据结果修正,直到目标达成或触发终止条件。所以 Agent 的构成是:模型(决策)+ 工具(动作,带参数校验与权限)+ 状态与记忆(多轮上下文、任务进度、断点)+ 编排循环(规划、执行、观察、重试、终止)+ 评测与可观测(成功率的度量、每步的轨迹)。面试官说「你说的都是 LLM」时,要立刻从「模型能力」转到「循环与工程」:谁决定调用哪个工具、失败怎么重试、上下文怎么裁剪、什么时候停下、怎么判断做对了。
MCP、Skills、Function Call 三者的层次:Function Call 是模型侧的协议能力——你把一组函数的名称、描述、JSON Schema 参数给模型,模型输出一个结构化的调用请求,执行由你的程序完成,模型不接触真实环境。MCP(Model Context Protocol)是「工具与上下文的供给协议」——它标准化了客户端与服务器之间如何发现工具、资源和提示模板,让同一套工具能被不同宿主复用,解决的是「每家都要自己接一遍」的问题,它的粒度是「一个可调用的工具或一份资源」。Skills 更靠近「能力包 / 作业指导书」——把完成某类任务所需的说明、脚本、参考文件打包,模型按需加载,它解决的是「流程知识与长尾操作怎么组织」而不是单次函数签名。三者的关系可以概括为:MCP 负责把工具接进来,Function Call 负责在某一轮里选中并填参,Skills 负责把「做这类事的步骤与判据」交给模型。
Python 异步:async def 定义协程,await 在遇到 I/O 时把控制权交回事件循环,循环从就绪队列里取下一个任务继续跑。事件循环是单线程的调度器——它维护就绪回调、定时器与 I/O 多路复用(epoll/kqueue),本身不并行执行 Python 字节码。用异步做 I/O 的理由是 I/O 等待期间 CPU 本来空闲,用线程要付出线程切换与内存开销,协程切换在用户态、成本低,几万并发连接也能撑住。事件循环不能并行计算,CPU 密集型任务会阻塞整个循环(所有协程一起卡住),所以要用多进程(multiprocessing、ProcessPoolExecutor)绕开 GIL 真正利用多核;也可以在异步服务里把重计算丢进进程池,用 run_in_executor 或 asyncio.to_thread 桥接。异步代码的坑要能说:在协程里调用阻塞库、忘记 await、共享状态没有加锁、以及超时与取消的处理。
离线惯导与在线导航的融合:惯导(IMU + 轮速/里程计)靠积分推算位置,短期平滑、长期漂移;在线导航(GNSS、地图匹配、视觉/激光定位)绝对精度好但可能中断或跳变。工程上用误差状态卡尔曼滤波(ESKF)把两者融合:IMU 做预测,GNSS 与地图匹配做观测更新,估计位置、速度、姿态与 IMU 的零偏;GNSS 失锁时靠零速修正(ZUPT)、非完整性约束(车辆不能侧向滑动)和地图匹配维持,恢复后平滑回正。要讲清时间同步、外参标定、观测的协方差怎么设,以及隧道、地下车库这类长时失锁场景的退化处理。
「接入部门业务的困难点」与反问:这类问题的答法是先承认信息不足,再给出可执行的切入路径——先弄清部门的业务链路与现有系统边界,找到数据与接口的接入点,从一个小场景做端到端验证,再谈平台化。反问里关于「零代码平台是独立开发还是参与对方业务」的问题问得很好,它其实是在确认岗位是平台方还是乙方;回答时可以顺着说「两种模式的工程重点不同,平台方要抽象通用能力与权限模型,参与业务方要快速交付并沉淀可复用组件」,展示你理解组织分工。
开源框架的理解:不要只报名字。选一个真读过的讲:它解决什么问题、核心抽象是什么、扩展点在哪、有哪些设计取舍(性能 vs 灵活、约定 vs 配置)、你在项目里怎么用、遇到过什么坑、读过哪部分源码。被追问「有什么困难点」时给具体的排查过程,而不是「文档少」。