安恒信息 Python Agent 开发实习一面面经

《面试题目》

1. 简单介绍下你的这段实习经历，你在里面主要负责哪些内容？
2. 在项目开发过程中，有没有沉淀出一些经验或者能力？
3. 项目里面你遇到过比较难解决的问题？
4. 在平台评测的时候依赖大模型，返回结果容易不靠谱，你们是怎么处理的？
5. Agent 多轮工具调用会出现上下文持续膨胀，你们平台有没有做上下文裁剪策略？
6. React 代码是你自己手写，还是基本靠 AI 写？
7. 如果让你负责简单后端接口编写，你能独立写出来吗？
8. 你这份实习做了多久？现在还在职吗？
9. 是什么原因让你打算离开当前实习、看新机会？
10. 你们那边的开发模式是什么样？有没有推行全栈产研一体？
11. 你的职业规划是打算做全栈开发，还是再看看别的方向？
12. 平时学习新技术主要看文档吗？
13. 写代码过程中，大部分是借助 AI 完成吗？
14. 在这个内部 AI 研发效能平台项目中，你觉得哪部分成长最大，有哪些技术沉淀？
15. 除了这个项目，页面级前后端开发经验多吗？简单介绍下。
16. 如果入职，你可以实习多长时间？
17. 如果这个实习没有转正机会，你还会考虑入职吗？
18. 投递的是 Python Agent 开发实习生，但分到哪个项目组不确定，团队主要做 ToB 政企业务控制台，不是 Agent 工具项目，这点你怎么看？

《参考解析》

大模型返回结果不靠谱怎么处理。分三层答。约束输出：用结构化输出（JSON Schema / function calling）、枚举约束、少样本示例把模型的自由度压下来，能确定性校验的字段用代码二次校验（格式、范围、必填）。多重校验：语义类结果用模型评审加少量人工校准，关键结论要求模型给出依据（引用原文片段、给出中间推理或工具调用记录），再做一次自我一致性检查（同一输入采样多次看结论是否稳定，或换一个模型交叉验证）。工程兜底：把评测集做成回归门禁（任何 prompt / 模型 / 参数改动都跑一遍），记录每次调用的输入、输出、耗时与 token，便于回溯；失败要能降级（重试、换模型、退回到规则逻辑），并且把 badcase 定期回流进评测集。要强调的是「不要指望模型 100% 正确，而要让系统在模型出错时可观测、可回滚」。

Agent 上下文膨胀与裁剪策略。先说清为什么膨胀：多轮工具调用会把每轮的请求与返回都堆进上下文（工具返回往往很长，比如网页正文、数据库查询结果），token 线性增长带来成本、延迟与「中间信息被稀释」的质量下降。处理策略按优先级排：一是只保留必要信息，工具返回做摘要或结构化抽取（只留字段而不是整页文本），超长结果截断并保留指针以便按需再查；二是滚动窗口 + 摘要，保留最近 N 轮原文，更早的对话压缩成一段摘要；三是分层记忆，把长期事实（用户偏好、任务目标）写进外部存储或系统提示，用时检索，而不是常驻上下文；四是子 Agent 隔离，把一次性的重活（读大文件、批量检索）交给子任务，只把结论返回主流程；五是预算与截断策略，为每轮设定 token 预算，超限时按重要性丢弃（先丢旧工具结果、再丢旧对话），并保证不切断工具调用与结果的配对结构。回答时补一句「裁剪本身要可测」：用同一批任务对比裁剪前后的成功率与成本，别只盯着 token 数下降。

「代码是不是 AI 写的」怎么答。这是当下高频问题，答得含糊会被怀疑实际能力。稳妥的框架是分场景 + 讲清审阅方式：脚手架、样式、样板 CRUD、类型定义、测试用例草稿大量用 AI；涉及状态管理、并发、性能与安全边界的部分自己写并逐行 review。要能说出实际的协作方式：先让 AI 解释陌生代码与方案对比，自己定方案；生成后跑通、写测试、看 diff；发现自己看不懂的代码就不合并。可以补一句风险意识：AI 生成的代码容易在边界条件、错误处理与依赖版本上出问题，因此必须自己承担最终正确性。

「分到的项目组不是 Agent 方向」怎么答。这类问题的标准答法是先接受事实、再给出你的判断依据。可以说清自己对这个岗位的期待是「在真实业务里做 AI 相关能力的落地」，ToB 政企控制台虽然不是 Agent 工具，但同样有集成大模型能力、做内部效能工具的空间；同时把关注点放在「能学到什么、能产出什么」上，而不是职位名称。要避免表现出对分配不满意或者含糊其辞地「都可以」。面试官给的两条反馈值得记下来：计算机基础要继续巩固（说明基础八股仍会考，转行或偏业务方向的同学容易忽略）、AI 项目经验要提炼（讲清楚你的方案带来的价值与你的思考，而不是只描述做了什么功能）。

岗位信息不对称的处理。原帖里有两个值得注意的信号：面试官的技术方向与被投递岗位不一致（Vue 前端面 Python Agent），以及岗位说明写的是 Agent 开发但实际项目组做政企控制台、技术栈以 Vue 为主、大小周、无转正承诺。面试中遇到这种信息落差，值得在反问环节直接问清：入职后具体进哪个团队、日常做什么、有没有转正名额与评估标准、加班与排班制度。这些信息比职位名称重要，问清楚比事后后悔好。