LangGraph 面试题
共 68 篇真实面经 · 涵盖 多家 / 字节跳动 / 携程 / 海尔 / 华鲲振宇 等 45 家公司
Agent 架构选型二十问:从 LangGraph 到 ReAct 再到任务完成判定
一份按出现频次排序的 Agent 架构选型题库:框架选型、执行链路、ReAct 循环、Agent 与 workflow 的边界、停止条件、Human-in-the-Loop、死循环与长任务漂移。
字节业务中台 AI 全栈凉经:三面连考项目真实性、Agent 原理与手写组件
字节业务中台 AI 全栈日常实习三面记录:一面验证实习与项目真实性、Agent 与 AI Coding 工具使用、手撕删除 B 与 AC、百度式搜索联想框的前端设计;二面深挖图片检索 Agent(Embedding 选型、BERT 分词、LangGraph 选型、Electron 与轻量化替代)、AIOps 巡检 Agent、Agent 指令合并与死循环、手写 React 递归树组件;HR 面问背景、稳定性与加班接受度。
携程 Agent 二面:领域路由误分、根因定位与多 Agent 架构
携程 Agent 二面全是简历项目相关、无八股:Agent 项目场景、领域路由分错或语义模糊误分能否挽回、如何发现准确性问题并做归因分类、如何把 badcase 发现与排查自动化、workflow 与 Agent 循环的分工、工具清单与开发归属、外部 API 封装成工具要做哪些工作、Agent 只定位到表层原因怎么深挖、故障库不完善时怎么办、skill 的划分粒度、线上独立解决比例与人工复核、为什么用多 Agent 架构、自学方式与 LangGraph 选型对比。
海尔 Agent 系统工程师 一面:为什么用 LangGraph、记忆怎么管
海尔智家 Agent 系统工程师一面 25 分钟:Transformer 与 Transformer 架构的取舍、攻击检测原理、LangGraph 选型、记忆与状态管理、为什么没有本地部署。
华鲲振宇 AI 开发一面:Go GMP、MySQL 索引与 Redis 缓存问题,再问 RAG 与 LangGraph
华鲲振宇 AI 开发一面分三段:Go 语言与 MySQL、Redis 八股(GMP、channel 遍历、slice、B+ 树、慢查询、索引失效、隔离级别、缓存三问题、分布式锁),项目追问 RAG、多层记忆的存储与长期记忆判定、LangGraph 原理,最后问平时通过什么渠道了解 AI 新知识。
拼多多 客户端二面:手写 Socket 协议、HTTPS 与 vLLM 推理框架
拼多多客户端开发二面(2026.11.6),先确认岗位意向与轮次(简历偏服务端、本轮面客户端),再追问 IM 系统的自定义通信协议与 HTTPS 相比 HTTP 多做了什么,随后深挖 vLLM、LangChain 与 LangGraph 的落地经验和运维助手 Agent 的效果优化,最后手撕迭代求二叉树最大深度与三线程交替打印。
千问 Agent 社招一面:Neo4j 建图、工具误调用与上下文溢出
千问 Agent 社招一面(硕 5 年,对标 P7):个人经历与团队角色、是否会前端、为什么以 Java 为主;项目架构为什么选 Neo4j、图数据库承担什么职责、为什么不用 LangGraph;工具调用有没有选错或不该调却调了、参数传错时是否直接失败、有没有让模型观察错误再纠正;知识图谱怎么建、是否用本体方法论、实体关系靠人工还是大模型抽取、语义消歧怎么做;上下文溢出怎么解决、结构化状态对象包含哪些字段;新框架内置 Trace 与独立可观测平台的区别。
水滴 AI 全栈二面:LangGraph 与 DAG、MCP Server、视频理解与微服务组件
水滴 AI 全栈二面:实习经历与上线效果、LangGraph 的图与 Workflow 编排及与 DAG 的关系、怎么开发一个 MCP Server 及其实现机制、拿到一段视频怎么让智能体基于内容回答、微服务组件与限流、OpenFeign 配套组件、MQ 与 RPC 的选型、AI 编程工具的约束、竞赛经历与职业方向。
数字政通 Agent 研发一面:PDF 检索问答链路与拒答设计
数字政通 Agent 研发一面,30 分钟:实习里做的有挑战的任务、HTTP 与 DDS 各自传什么、DDS 失败怎么定位;项目里 paperX 从上传 PDF 到检索问答的流程、为什么选 RabbitMQ、拒答与引用校验为什么这么做、为什么用 LangGraph、数据安全脱敏怎么设计。
腾讯 Agent 开发一面:LangGraph 编排、KV Cache 与审核链路
腾讯 Agent 开发一面明显偏项目实践:先问为什么组合 LangChain 与 LangGraph、系统如何判定生成方案不合格并把审核结果反馈回执行链路、建了哪些可观测能力;再深挖主 Agent 向子 Agent 传递哪些上下文、压缩是自研还是框架能力、Token 优化与 KV Cache 命中、Skill 折叠后对缓存复用的影响、Skill 与工具的映射关系,最后问模型选型、独立评测、缓存失效导致费用上升如何定位,以及生成与审核同模型时的共同盲点。
Agent 方向技术面:Agent RAG、LangGraph、harness 与上下文管理
一场 Agent 方向的技术面追问:Agent RAG 与传统 RAG 的区别、LangChain 与 LangGraph 的使用情况、对 harness 架构的了解、上下文窗口管理的几种方式(截断、memory 文件、摘要),以及 LLM 底层如何生成答案。作者复盘自己只做过应用层,底层机制答不上来。
小红书 PE(AI 与全栈)一面:高召回、LangGraph 循环与 SDD 提效
小红书 PE(AI 与全栈)11 月 3 日一面面经:前半段深挖项目,问痛点难点、风险操作、测试脚本是人确认还是 AI 自动执行、项目指标、召回率 95% 的检索设计及高召回的副作用与精度优化、为什么这个场景不用向量召回、LangGraph 如何避免循环调用与任务发散、多 Agent 的异常兜底与记忆;中段是 QPS 上涨与数据库压力、索引失效场景、低基数字段要不要建索引;后段围绕 SDD 开发流程、AI 辅助开发的提效评估与效率损失、技术分歧处理和 AI 时代后端的职业规划。
深信服 AI 测试开发一面:大模型与工程脚本的分工、LoRA 与 LangChain 三件套
深信服 AI 测试开发一面(线下,约 11 月 9 日):先确认实习是否测试开发、数学建模竞赛的分工与规模,再挑一个最好的项目深挖——哪部分由大模型做、哪部分是工程脚本、为什么这么设计、是否独立选型、后端接了哪些外部系统、做得最好的点、Bad case 是否人工标记;随后问 pytest、数据集与指标、微调挑战与 LoRA、训练框架,以及 LangChain、LangGraph、LlamaIndex 三者的关系与区别,最后问主动推动落地的例子与个人优势。
Agent 项目面试为什么答对了还挂:Agent、RAG、Tool Calling 的深挖点
一篇讲 Agent 项目面试的长文:为什么用 Agent 而不是 Workflow、RAG 的切分与混合检索、Tool Calling 的失败处理与幂等、LangGraph 的 State 与 Memory、以及怎么证明优化有效。
阿里千问 Agent 开发二面
阿里千问 Agent 开发二面面经,11 问集中在 Agent 工程:LangGraph 架构组件、Function Calling 原理与工具调用的常见坑、Query 改写、多轮对话缺陷与 Prompt 拼装顺序,另有手写快排。
阿里千问 Agent 开发二面
阿里千问 Agent 开发二面面经,11 问集中在 Agent 工程:LangGraph 架构组件、Function Calling 原理与工具调用的常见坑、Query 改写、多轮对话缺陷与 Prompt 拼装顺序,另有手写快排。
蚂蚁智能体一面:从 MCP 工具发现一路追到知识图谱为什么两跳就够
蚂蚁智能体一面 59 问几乎不问八股:先追问 MCP 的工具列表怎么进上下文,再问 request 怎么组装、response 长什么样,最后落到向量库与知识图谱各自的适用边界。
蚂蚁集团智能体一面:从 MCP Client 问到知识图谱,60 个问题一路追到设计动机
蚂蚁集团智能体一面共 60 个问题,分三块:MCP 与 Skill 及模型 API 的请求组装、LangGraph 编排与向量检索、知识图谱与模型训练成本。面试官不给标准答案,一路追问「为什么这么设计、换个做法行不行」。
Awaken AI Agent 一面:图编排、幻觉治理与效果判定
围绕实习里的 agent 项目逐层追问:为什么做 agent、图节点怎么设计、跳步了怎么办、幻觉怎么治理、评测集怎么建、为什么选 LangGraph 而不是单 agent、加业务怎么扩展、前后置校验、上下文与成本、执行到一半中断怎么办,最后手撕网格游戏。
字节跳动 Agent 开发日常实习一面面经
字节 Agent 日常实习一面,深挖 Agent Runtime 的框架选型、Agent 间通信、LangGraph 中断恢复与 reducer、上下文压缩、Task DAG 故障恢复、CAS 锁,以及 benchmark 设计、Redis 向量检索和 Hit@k/Recall@k/MRR 指标。
字节面经-字节跳动AI Agent开发岗面经-08
字节跳动 AI Agent 方向五场面试合集:从 Coding Agent 的工具调用链路、上下文与持久化策略、安全执行边界,一直追到 RAG 混合检索与评测体系,另含 MySQL 索引、Redis Bitmap 计数等基础八股和手撕算法。
字节内部跨转二面:实习方案追问、浏览器缓存与 LangChain 辨析
字节内部跨转二面 58 分钟:全程围绕实习追问和挑战方案,无手撕,八股只问浏览器缓存与 LangChain/LangGraph 的区别,最终未通过。
携程 Agent 一面:多 Agent 协同、RAG 与意图路由
携程 Agent 一面,从项目切入连续追问多 Agent 协同、RAG 核心流程、context engineering 与 prompt engineering 的区别、召回率计算与优化、Agent 产出评估、bad case 回流、意图路由与多意图处理,以及历史记录导出和 LangChain/LangGraph 选型。
CVTE 视源股份应用开发一面:LLM 评测体系与 Agent 架构演进 28 问
CVTE 27 届应用开发工程师一面,全程围绕一段日志分析 Agent 实习深挖:评测体系怎么设计、Case 覆盖率与随机性怎么处理、多工具并行调用的顺序与失败处理、上下文管理与可观测性、AI Coding 的工程约束、以及从「分类器加专家工作流」到「双 Agent 加裁决」的架构演进,最后手撕有序链表去重及其变体。
CVTE 应用开发一面:LangGraph 编排深挖与 Java 线程池源码
CVTE 应用开发一面:以科大讯飞数据处理 Agent 为主线深挖 LangGraph 的主子图编排、节点输入输出、持久化与异常恢复、效果评估,再切工程八股——适配器与策略模式、Redis 持久化、进程线程协程、线程池源码,最后口述一道二分。
高斯信息技术 AI 开发工程师一面:BERT微调与LangGraph编排
高斯信息技术 AI 开发工程师一面面经:以项目深挖为主线,追问 BERT 微调与知识图谱设计,再考 Transformer、LangGraph 编排、图谱检索与 RAG 差异,以及工程广度与 AI Coding 心得。
恒生电子面经-恒生电子AI Agent开发岗面经-01
恒生电子 AI Agent 开发岗 4 场面经合集:一面问 JVM、MySQL 索引与 MCP;二面围绕实习项目、Agent 框架选型、Redis 数据结构与持久化、ThreadLocal 线程池复用展开;三面最硬核,从 Python 装饰器、InnoDB 加锁与 B+ 树,一直问到 MCP 交互流程、上下文管理、长期记忆检索、RAG 与微调选型、受控编辑与 LangGraph Checkpoint。
恒生电子 AI 应用开发工程师 AI 面面经
恒生电子 AI 应用开发工程师 AI 面面经:技术侧考 Python 装饰器参数处理、InnoDB 加锁与 B+ 树范围检索、MCP 一次交互的客户端流程;AI 侧深挖上下文管理、长期记忆检索时机、RAG 与传统检索及微调的取舍、受控编辑与评估指标、LangGraph 选型与 Checkpoint 冲突。
华为线下二面与主管面面经
华为上海线下二面加主管面:二面聊实习和性格题,手撕组合总数;主管面围绕 Agent 框架与发展、社团与沟通经历、研究与毕设、实习协作、技术难点、信息甄别、压力与职业规划展开。
9.23 恒生电子 AI 应用开发面试:从 Python 装饰器、联合索引到 RAG 评测与 Agent 规划
恒生电子 AI 应用开发面试的完整记录,覆盖 Python 装饰器与计时契约、联合索引与最左匹配、结构化输出的分层校验、RAG 与微调的边界、Agent 规划与重规划触发器、RAG 评测方法,最后落到 LangGraph 的状态设计与恢复重放。
九方智投 AI 应用开发一面:RAG 分块、混合检索与智能客服设计
九方智投 AI 应用开发(智能应用方向)一面:HashMap 与 volatile、AQS、InnoDB 索引与 B+ 树、Kafka 为什么快,项目侧追问定时任务、RAG 的 chunk 与 overlap 怎么定、为什么要混合检索、检索效果差怎么定位,最后设计面向理财课程售卖的智能客服。
快手 AI Agent 开发凉经:如何定义 Agent?
快手 AI Agent 开发面经:先考对 Agent 本质的理解与 ReAct 在工程实现上的要点(循环驱动、上轮结果传递、单独管理的状态与停止条件),再深挖 Skill 与 workflow 的对比与好 Skill 的判据、高合规场景下的越权风险、Skill 的验证与低成本大规模评测,以及工具失败与任务中断后的状态保存与恢复,最后手撕反转链表并追问线程池。
猎聘全栈面试:Agent 编排与分布式锁
猎聘全栈开发面试,29 个问题分五块:Agent 项目追问 RAG 检索与召回率、记忆分层与上下文压缩、LangGraph 编排;后端项目追问异步结算链路的幂等与并发抢占、SETNX 兜底层次;八股考 Redis 分布式锁与 Kafka/RabbitMQ 的取舍;最后是 AI Coding 实践与前端全栈能力。
网易云音乐全栈开发一面:Java 生态、高并发与 AI 工具
网易云音乐全栈开发一面,围绕项目、Java 技术栈、数据库、后端通用技术和 AI 应用五个维度展开。Java 侧问 ArrayList 与 LinkedList、线程安全、JVM/Full GC/G1、线程池参数与拒绝策略;数据库问慢查询优化、索引失效与最左前缀、千万级播放记录的存储设计;后端通用问限流算法与降级、从点击播放到出声的网络链路、播放加速、线程与协程、CPU 飙升排查、Prometheus/Grafana、ELK 日志与 NoSQL、Java 位图权限;AI 侧问 LangChain 与 LangGraph 的区别、AI 生码工具与准确率保障。
网易云音乐全栈二面:召回精度取舍、LangGraph 防循环与索引失效
网易云音乐全栈二面围着一个 AI 项目追问:脚本由人工确认还是自动执行、95% 召回的设计与噪声代价、为什么不用向量召回、LangGraph 怎么防循环,再问 QPS 与索引失效、SDD 与 AI 提效如何衡量。
Agent 面试题库 80 问:ReAct、RAG、记忆分层与 MCP 工程落地
一份自己整理的 Agent 面试题库,共 80 问:从 Agent 与聊天机器人的区别、ReAct 与 Plan-and-Execute 等执行范式,到 RAG 全链路与混合检索、记忆分层与冲突处理、Skill 与 MCP、提示词注入防护,以及 Agent 项目的存储选型与微服务调用。
OPPO小布助手AI Agent一面面经
OPPO 小布助手 AI Agent 一面,全程围绕 Agent 工程落地展开:检查点与校验器保障长流程、幻觉的三层防护与置信度判定、多 Agent 场景下的上下文压缩、LangChain 与 LangGraph 及原生手写选型、线上限流降级熔断与自动化运维,以及知识库建设保鲜和 AI 辅助开发的信任边界。
PE 全栈一面:多 Agent 怎么交互、Answer Agent 挂了怎么兜、意图识别错了怎么办
PE 全栈一面(原帖未写公司名):从项目选型问起——React 项目为什么不用 LangChain / LangGraph、Chain 与 Graph 的区别,接着追问多 Agent 交互、Answer Agent 失败时的降级兜底、意图识别出错、参数缺失被模型自动补全(幻觉)、用户量与推广、实习里的性能提升,最后落到后端技术栈。
顺丰 Java 后端一面面经(无手撕)
顺丰 Java 后端一面面经(无手撕):线程池的参数、任务入队流程、有界与无界队列取舍、拒绝策略与无界队列 OOM 的排查和工具(含 Arthas);Redis 为什么快、分布式锁与 Redisson 锁续期、应用内存与 Redis 内存的区别及缓存架构设计;MySQL 的 B 树与 B+ 树对比、Kafka 高水位线,以及 Agent 项目的记忆模块、上下文压缩与 LangGraph 编排是动态还是线性。
水滴公司 AI 全栈工程师一面:从进程线程到 Agent 记忆设计
水滴公司 AI 全栈工程师一面:前半段是操作系统与 Java 并发基本功(进程线程、IPC、TCP、线程池参数与拒绝策略、CAS、volatile),中段问线上卡顿与 Redis 的排查维度,后半段全部围绕大模型 Agent——记忆与知识库怎么设计、语义切分、图检索、工具层,以及 LangGraph 与 DeepAgents 的区别。
小厂 Agent 开发一面:Text-to-SQL、RAG 与 Agent 范式
小厂 Agent 开发一面约 30 分钟,深挖企业问数平台和夏都探源项目,覆盖意图识别、SQL 正确性、RAG 分块与混合检索、记忆压缩和 Agent 范式。
瑞银 UBS 金融科技学徒一面:全英文四对一,RAG 全链路与 Agent 编排连环追问
瑞银 UBS 金融科技学徒一面(1 小时,基本全英文):两个部门四位面试官轮番面,先问 AI Agent 项目与 validation agent 的质量控制、指标来源,再深挖 RAG 的输入、query rewrite、chunk 与父子索引,还有「给量化团队做 AI 助手」的端到端场景题,最后问 LangGraph 编排、工具与 MCP 的部署位置、Agent 与 workflow 的区别以及 skill 和 MCP 的取舍。
27 届学院本实习转正面试:RAG 与 Agent 十五问
27 届学院本实习转正面试(AI 全栈开发工程师):RAG 为什么需要、完整流程、文档切分与排查、混合检索,Function Calling、Agent 常见问题、LangChain 与 LangGraph 的区别,最后是到岗安排。
小红书 Agent 开发一面:多子图架构、Skills 机制与沙箱调度
小红书 Agent 开发一面:Agent 项目架构与 Skills 机制、MySQL 索引锁、沙箱调度,最后手撕最长递增子序列。
携程 Agent 开发一面真题:RAG 召回率、上下文工程与 LangGraph 选型
携程 Agent 开发一面 17 问里偏「方法论」的那一半:RAG 全链路每一步在做什么、召回率怎么定义和计算、哪类召回优化收益最大、Context Engineering 与 Prompt Engineering 的边界、Agent 输出怎么量化评估、good case 与 bad case 怎么回流,以及一句自然语言到接口调用的端到端链路和 LangChain 与 LangGraph 的取舍。
AI Agent 开发岗面试题:55 道真实面试里的追问
一份 Agent 开发岗的面试题清单,覆盖技术选型、框架与 runtime、工程细节、多 Agent 协作、对齐与幻觉、评测、安全与开放设计八个方向;问题集中在判断依据与落地细节上,而不是 API 记忆。
阿里云 AI 应用开发一面
阿里云 9.20 一面记录:前半段围绕 Agent 项目,追问工具串行与并行的取舍、多层上下文共享与压缩时机、工具调用轮次与多租户隔离,以及从 Hello Agent 改到 LangGraph 的改造;后半段是 SQL 执行过程、redo/undo/binlog、Redis 单线程与 Python 协程等八股。
千问 AI 研发一面凉经:Agent 设计、工具调用与 LangGraph
千问 AI 研发一面凉经:13 问几乎全压在 Agent 上——Agent 与固定 workflow 的边界、工具调用的幻觉与错误处理、循环终止条件、LangGraph 图流转、Skill 粒度与评测,最后发现岗位偏移动端和前端。
阿里云二面面经:Agent 框架选型、工具权限隔离与上下文压缩
阿里云二面面经,9 月 21 日。围绕一个 Agent 项目连环追问:用户群体与业务价值、为什么选 LangGraph 与 Deerflow、工具权限隔离、群聊与私聊的上下文区别、长期记忆与上下文压缩、工具调用的异常超时重试与模型排队调度。
百度 AI Agent 开发岗面经:LangGraph 架构与高并发会员保障
百度 AI Agent 开发岗四场面试题目合集,围绕 LangGraph 迁移成本、Agent 评测集设计、Harness 工程、高并发下会员优先级保障,以及 MCP 与 Skill 的区别、KV Cache、TIME_WAIT 等基础题。
百度AI测开二面:Agent评测与检索质量
百度AI测试开发二面面经,9.21面试、全程约50分钟,几乎全在拷打项目。围绕Agent安全性设计、技术难点、测试体系与评测、检索性能与重排序、幻觉处理、Agent协作模式优劣、LangGraph框架选型,以及自动生成测试用例的Agent方案。
字节 Agent 开发后端日常实习一面:RAG 检索与评测深挖
字节 Agent 开发后端日常实习一面面经,全程沿简历里的两个 Agent 与 RAG 项目下钻:LangGraph 工作流选型、AI 合成评测集的构造与质量控制、BM25 与向量检索的混合召回、RRF 融合、Cross-Encoder 重排的必要性,最后是一道偏简单的贪心手撕题。
字节数据中台 Agent 全栈面经:一面二面与手撕题
字节数据中台 Agent 全栈面经,两面共 13 问:一面深挖两个实习项目并手撕二叉树右视图,二面继续拷打项目、手撕前缀树,重点考应用层与传输层职责、浏览器到机房全链路、Skill 与 Tool 的取舍、SSE 原理。
字节火山引擎测开一面:云原生 + AI 提效
字节火山引擎测试开发一面:从百度智能云项目切入,追问 IaaS/PaaS、CPU 与 GPU 实例与多租户网络隔离,再到云审计接口自动化、LangGraph 状态管理、用例生成纠错、RAG 分块检索、Celery 异步与 SSE 长连接、502 排查。
彩讯股份 AI 全栈开发管培生面经:LangGraph、Prompt 与后端稳定性
彩讯股份 AI 全栈开发管培生面经(9 月 23 日),两位面试官各问一轮:Agent 侧问 LangChain 与 LangGraph 的区别、Prompt 与 Skill 的设计与差异、badcase 优化;后端侧问 SQL 优化与慢查询排查、线程池参数与故障定位、上线前的稳定性保障。
携程 Agent 开发一面:LangGraph 项目全链路拷打
携程 Agent 开发岗一面面经,9 月 23 日面试,全程拷打简历主项目:LangGraph 的状态节点与 checkpoint 设计、知识图谱相对纯 RAG 的增益、自训模型与测试集回归、延迟取舍与业务背景匹配度。
汇顶科技软件开发工程师IT系统二面
华云三维Java工程师实习一面面经
华云三维Java工程师实习一面面经,围绕多Agent调度、失败恢复、代码质量、关系型与非关系型数据库、ThreadLocal、WebSocket和免登录设计展开。
汇川技术数字化全栈一面:Agent项目深挖与MySQL调优
汇川技术9月20日数字化全栈工程师一面,双机位飞书会议、约半小时无手撕,重点深挖大模型客诉分析Agent与n8n低代码数据中台两个项目,最后考MySQL慢查询与索引回表。
恒生电子AI开发AI面试:闭包、缓存三兄弟与LangGraph选型
恒生电子技术岗AI面试真题27问,作者面了整整一小时。技术面覆盖Python闭包的形成条件与内存泄漏治理、缓存穿透击穿雪崩、本地锁在分布式下为何失效、永不过期的热点key为何一致性风险更低、大模型结构化JSON输出的稳定性与缺字段处理、解析失败回灌重生成的副作用、RAG多轮对话与摘要压缩丢细节、历史对话检索与知识库检索的排序差异、Agent与Workflow的边界,以及为什么选LangGraph、Checkpoint实际解决了什么、LangGraph有哪些短板。
科大讯飞 Agent 开发一面:LangGraph 原理与 AI 编码追问
科大讯飞 Agent 开发一面(9 月 24 日)围绕实习中最难的一件事、LangGraph 的实现原理、Agent 方向的规划与技术跟进方式,以及日常用的 AI 编码工具、调用的 API、AI 生成代码占比与质量把控展开;作者没摸清考察点、草草反问后很快被挂。
金蝶 Agent 开发一面(项目为主)
金蝶 Agent 开发岗一面面经,9.21 进行,全程约 20 分钟且几乎没问八股,全部围绕简历里的两个项目与实习。重点追问文档切分策略、引用溯源到页面高亮的实现,以及 Agent 的设计方式、为什么选 LangGraph 而非 LangChain。
满帮集团全栈开发一面面经
满帮集团全栈开发一面,围绕项目实践、Java并发容器、Spring事务、慢SQL排查和LangGraph展开,面试时长约20分钟。
腾讯社招一面面经(Agent 方向)
腾讯社招一面,全程围绕 Agent 项目的工程实现:框架选型为什么用 LangChain + LangGraph、方案审核用什么指标判断不合格以及审核结果怎么回流链路、可观测性怎么做、调用 sub-agent 时主 Agent 的 context 带不带过去、超长内容怎么压缩(自研还是用 LangGraph 自带);重点问 token 消耗优化和 KV Cache 命中率的手段,并追问 Skill 系统的设计——移除 Skill 正文会不会破坏 KV Cache、Skill 本身是一个工具还是多个工具。
药明康德 AI 数据方向二面:LangGraph 与知识库方案深挖
药明康德 AI 数据方向二面面经,连续 23 题深挖 Agent 框架:LangGraph 的 state 设计与合并策略、条件边与异常分支、快照持久化与人工介入恢复、多智能体两层编排的收益与代价、混合检索融合与知识库切分方案。
小红书 大模型算法岗面经合集:隐式 CoT、RAG 上下文管理与 LoRA 微调
小红书大模型算法岗七场面经合集,2026 年 6 月到 9 月。覆盖隐式 CoT 的双任务蒸馏、RAG 分块与多轮指代消解、上下文膨胀、BCE 与 InfoNCE 联合损失、vLLM FP16 池化溢出、LoRA 原理与 Agent 架构。
京东后端开发一面面经
京东后端开发一面,围绕知识树优化、Agent 技术选型以及 Java、Python、C++ 的语言差异和跨语言系统衔接展开。
去哪儿 AI 应用开发秋招:JVM 排查与异步文件处理
8 月 30 日的秋招面试,涉及 CPU 排查、volatile、分布式锁、大文件异步处理和评审 Agent 的框架选择。