多智能体 面试题
共 19 篇真实面经 · 涵盖 百度 / 多益网络 / 海尔 / 科大讯飞 / 字节跳动 等 14 家公司
百度 Agent 开发 一面:代码生成平台的编译隔离与优惠券超卖
百度 Agent 开发一面 45 分钟纯项目拷打:Vue 代码生成后如何编译预览、多用户端口与资源、提示词增强与 Skills、workflow 到 ReAct 多智能体的演进,以及优惠券超卖与幂等。
多益网络游戏服务端一面:大根堆、0/1 网格最短路与王者荣耀回放怎么设计
多益网络游戏服务端一面:从大根堆、数组与链表的内存分布切入,现场做一道 0/1 网格最短路(10 分钟),深挖实习与多智能体调用策略,接着问 MCP 与 Skill、DSH 与 DeepSeek Harness,最后是一道王者荣耀完整对局回放(可切第一/第三人称视角)的设计题与 Redis 持久化。
海尔 Agent 系统工程师一面:GRPO 奖励怎么设,worker 失败怎么办
海尔 Agent 系统工程师一面 30 分钟,两位面试官,全程针对实习与项目,无手撕:先追实习里多维打分的测试数据来源、指标怎么得出、样本是否够覆盖,再问 GRPO 的数据集与奖励设置、GRPO 与 DPO 的区别、何时用 SFT 何时用强化学习、多 Agent 项目的流程与 worker 失败的处置,最后问工作地、offer 与为什么选择实体企业。
科大讯飞后端 / Agent 开发二面 24 问:从京东实习项目追问到 Harness 与模型的关系
科大讯飞后端 / Agent 开发二面,约 31 分钟、24 问。前半段围绕京东实习项目逐层核实真实参与度:项目多少人做、负责哪一块、做了多久、数据为什么不能直接交给模型、为什么还要引入代码规则、生成结果怎么接进 Java 业务系统;中段问两年制研究生、考研与保研、个人多智能体排障项目(Supervisor / Planner / Executor 分工)与博客是否 AI Coding;后半段是本场最关键的追问——模型越来越强,Harness 还有什么作用、与模型是什么关系、未来往哪走。
字节全栈二面:SSE、知识图谱与多 Agent 编排
字节全栈二面,从简历里的 AI 经历切入:SSE 是什么、为什么 Event Trace 选 SSE、SSE 与 WebSocket 的区别;代码知识图谱用什么结构组织、底层图的存储与遍历;MySQL 事务隔离级别、RR 与 RC 的区别、联合索引的设计与订单量级;后半场深挖多 Agent 平台——Agent 与 Skill 的抽象边界、为什么用固定 Workflow 而不是 ReAct、编排引擎是否自研、冲突与失败处理、稳定性与效果评测,最后让设计一个「用 Agent 完成电商搜索到下单」的架构,并追问单 Agent + 多 Skill 与多 Agent 的划分依据。
字节面经-字节跳动运营岗面经-06
字节跳动运营岗面经:一场以多智能体项目为切入的长面,围绕主智能体带三个子智能体的架构选型、Agent 边界划分、校验与评测的区别,深挖到办公场景下 PPT 质量的评测维度、自动化评测的 workflow 设计、图文比例这类模糊指标怎么让模型判断,以及 Prompt 工程、Agent、训练三条路径的取舍与效果归因。
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。
联影医疗软件开发一面、二面面经
联影医疗软件开发一面 30 分钟全问项目,二面部门经理面 1 小时深挖多智能体交互、分布式执行、状态恢复、上下文压缩、测试体系与 Redis 排行榜选型。
小红书 AI 研发工程师秋招一面:Agent 采集、评测回放与八股手撕
小红书 AI 研发工程师秋招一面面经:围绕实习里的 Agent 项目深挖采集方案、观测平台查询优化、评测回放的技术细节与多智能体协同协议,八股考 Redis 分布式锁与 MySQL 索引原理、索引失效场景,手撕最长公共子序列。
携程 Agent 开发一面:多智能体协同、意图路由与判错兜底连环追问
携程 Agent 开发一面 17 问:多智能体之间怎么协同、基于用户意图的路由怎么实现、路由判错时怎么兜底、一条请求里包含多个意图怎么拆,再往下是整体架构、适配层怎么解耦、历史记录导出与海量数据读写优化,以及项目上线后到底省了哪些环节的时间。
百度 Agent 秋招算法岗一面二面面经(多智能体与三级记忆)
百度 Agent 秋招算法岗一二面面经:一面深挖多 Agent 的分层架构、子 Agent 职责分工与异常容错、长期记忆存储与评估,手撕区间差集;二面追问三级记忆体系的必要性、双引擎存储与混合检索,手撕生成有效括号。
百度大模型算法岗一面二面面经(GSPO 与多智能体)
百度大模型算法岗一二面面经。一面考强化学习对齐选型(GSPO 相对 PPO、GRPO 的优势)、多智能体协作与记忆、Qwen 多模态与 MRoPE、RAG 全流程,手撕最长公共子序列;二面考 ReAct、SFT 与 RLHF 数据、自注意力与 QKV。
字节跳动 AI 数据运营实习一面:多智能体项目与自动化评测
字节跳动 AI 数据与安全方向 AI 数据运营实习生(自动化方向)一面面经:面试官围绕多智能体项目的架构选型、Agent 边界划分、评测方案设计层层追问,并给出「办公场景下如何自动化评测 PPT 质量」的开放场景题,最后过了一遍多源标注、知识发现、模型微调与电商问数四个项目。
CVTE 应用软件开发一面+HR 面:ReAct、SSE 与网络八股
CVTE 应用软件开发岗 9 月 15 日技术面加综合面记录:围绕 ReAct 与 Plan、Multi-Agent 的选型展开,深挖 SSE 原理与流式输出实现、域名解析到页面渲染的全链路、拥塞控制与流量控制,并手撕高精度加法与买卖股票。
度小满 Agent 开发一面:ReAct、多 Agent 与记忆系统
度小满 Agent 开发一面约 50 分钟,围绕自研 Agent 框架深挖 ReAct 主循环、工具调用被打断、多 Agent 分工与上下文隔离、记忆系统、执行幻觉与上下文压缩,并手撕 IP 地址解析。
快手大模型 Agent 研发一面:Reconcile、Lease 与多 Agent 架构
快手大模型 Agent 研发一面全是连续追问:从 Reconcile 恢复、Lease 与崩溃处理、Fencing Token 的实现与取舍,到单 Agent 与多 Agent 的对照评测、Runtime 事件适配、Skill 加载与会话恢复的信息泄露风险。
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。
字节AI产品实习一面面经
字节AI产品实习一面重点深挖项目评测体系、Bad Case归因、训练数据质量与模型微调,并追问RAG、多智能体和OpenClaw等方向。
腾讯广告AI产品经理实习面经
腾讯广告AI产品经理实习面经,考察Transformer与扩散模型、Agent和工作流、二次编辑、广告AI产品策略、商业价值评估和多Agent协作。