阿里云 Agent 开发一二面

《面试题目》

一面

1. 介绍一下你的实习经历，主要负责哪部分工作？
2. 如何理解操作系统的进程和线程？
3. 进程切换开销体现在哪些方面？
4. 如何设计一个比线程更轻量的调度单元？
5. 手撕：K 个一组反转链表。

二面

6. 继续聊实习：你具体做了哪些工作，有哪些可以展开的细节？
7. Agent 自进化的原理是什么，哪些因素会影响自进化？你是从哪里了解到自进化的？
8. 预训练和 SFT 的区别是什么？RLHF 呢？
9. 你了解过 DeepSeek Harness 吗？
10. 备考面试时你关注了哪些知识点，如何把知识体系构建完整？
11. 你更期望做哪一类型的工作？

《参考解析》

进程与线程

进程是资源分配的单位，有独立的地址空间、文件描述符表和页表；线程是调度的单位，同一进程内的线程共享地址空间与打开的文件，只各自持有栈、寄存器和线程局部存储。因为共享内存，线程间通信几乎零成本但要自己加同步；进程隔离性更好，一个崩了不牵连另一个，代价是通信要走 IPC 且切换更贵。面试里常追问的是「线程崩溃为什么能拖垮整个进程」——共享地址空间下非法访问会直接触发整个进程的信号处理。

进程切换开销在哪

四块：一是用户态到内核态的陷入与返回；二是保存和恢复上下文（寄存器、程序计数器、栈指针）；三是切换页表导致的 TLB 失效，后续访存要重新走页表，这段是最贵的；四是缓存局部性被破坏，新进程的数据不在 L1/L2 里。所以优化方向是减少切换次数（批处理、减少锁竞争导致的睡眠唤醒）和降低切换成本（大页减少 TLB 项、CPU 亲和性保住缓存）。

比线程更轻量的调度单元怎么设计

思路是把调度的决策权从内核搬到用户态，做成协作式的有栈或无栈协程：一个线程上跑多个协程，遇到 IO 或显式让出点时只保存少量寄存器与自己维护的栈，切换不进内核、不换页表，成本降到几十纳秒量级。要设计的部分包括任务队列与调度器、让出点（await/yield 语义）、IO 多路复用怎么与协程绑定、以及阻塞调用不能卡住整个线程这件事。追问通常会问「协程里做了阻塞系统调用怎么办」——要么改造成异步接口，要么用线程池托管或者运行时把它挪到别的线程。

手撕：K 个一组反转链表

用哑结点加分组处理：每轮先探针走 K 步确认本组够不够长，不够就直接接上剩余部分收工；够长就在组内做标准三指针反转，把组头接到上一组的尾部，并记下本组原来的头当作下一组的前驱。边界要主动说清：K 等于 1 时原样返回、K 大于链表长度时整条不减、以及最后一组不足 K 个保持原序。写法上先写探针再写反转，代码短且不容易错，比递归版本更容易在面试里边写边讲。

Agent 自进化的原理与影响因素

大体是一个闭环：执行留下轨迹，轨迹经评测或反馈转成信号，信号用来改 Agent 的可变部分（提示词、工具集与参数、检索策略、记忆内容，乃至训练数据与权重），改完再跑一轮验证是否真的变好。影响因素主要有五个：反馈信号的质量（只看最终成败太稀疏，要能定位到哪一步错）、评测集是否稳定可复现、记忆与经验的沉淀方式、成本与延迟预算、以及安全边界（不能让它在无人监督下无限改自己的目标）。面试时最好结合自己做过的项目说清「改了哪一层、怎么验证没退步」。

预训练、SFT 与 RLHF 的区别

预训练是无标注的大规模下一 token 预测，学的是语言与世界知识的分布，代价是算力最大；SFT 是在人工构造的指令数据上继续做监督微调，把基座模型对齐成会听指令、会按格式回答的助手，数据量小但质量要求高；RLHF 是在 SFT 之上用人类偏好数据训一个奖励模型，再用强化学习优化策略去提高人类更偏好的回答概率，解决的是「同一个问题有很多种答法，哪一种更好」这种监督信号难以直接表达的问题。三者是递进关系，现在常见的是 SFT 打底加偏好优化（DPO 一类）替代完整的强化学习流程。

知识体系怎么搭

按「一层原理、一层系统、一层场景」来搭：原理层是操作系统、网络、数据库、语言与并发这些不变的基本盘；系统层是分布式、缓存、消息队列、可观测性这些工程组件与它们的取舍；场景层是把自己项目里踩过的坑和线上问题反向挂到前两层上去。具体做法是每面完一场就把题目按这三层归类，答不上的标红进复习队列，重复出现的知识点说明是高频必答项，几次之后复习计划就是自动生成的，比刷题库有效。