上下文压缩 面试题
共 10 篇真实面经 · 涵盖 百度 / 小米 / 信锐网科 / 阿里云 / 字节跳动 等 9 家公司
百度 Agent 二面：不看简历、不做自我介绍，连抛 6 道架构题
百度 Agent 二面面经：全程开放式架构题，考 Agent 应用的分层与模块、通用 Runtime 的多厂商抽象、C 端 Token 成本控制、代码执行沙箱安全、上下文压缩与信息保全、Harness Engineering 演进、评测归因、Trace 可观测性与监控熔断、多 Agent 通信，最后手撕判断二叉树是否平衡。
小米 AI Agent 三面：压力面，全程问“你踩过什么坑”
小米 AI Agent 三面压力面面经：全程追问工程细节，考多租户隔离与模型/沙箱资源划分、服务重启后的状态恢复、并发 1000 个沙箱的资源池与调度、长周期任务的行为漂移治理、代码审查 Agent 的漏检控制、RAG 与长上下文模型的关系、上下文压缩的信息保真与回退，最后手撕二叉树层序遍历。
信锐网科 AI 应用开发一面：推理服务容量、Protobuf 兼容与上下文压缩
信锐网科 AI 应用开发秋招一面面经：从自我介绍和平台请求链路切入，考性能优化优先级怎么定、接入层与模型服务的边界怎么划、C++ 调 Go 推理服务的协议与错误语义，再问 Protobuf 多版本兼容、推理容量评估与压测转化、AI 生成代码上生产的验收环节，以及上下文超预算时的压缩策略。
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：记忆模块与上下文压缩
百度 AI Agent 开发岗五场面试题目合集，重点考察本地 Agent 排查异常进程与沙箱并发、长短记忆冲突、企业内部知识问答 Agent 方案、Skill 与工具调用链路、上下文压缩，以及分库分表、CAP、缓存穿透等后端基础。
字节 AI Agent 开发一面 30 题全记录
字节 AI Agent 开发一面 30 题记录，分项目深挖、Agent 与 RAG 核心、八股、手撕、工程场景五组。重点在长期记忆的存储设计、上下文压缩的取舍、多 Agent 防死循环、父子切块与混合检索重排，以及工具成功率统计的手撕题。
上海联蔚数科 AI 工程实习生面经（Agent 八股）
上海联蔚数科 AI 工程实习生面经，约 25 分钟且几乎全是 Agent 八股，实习与后端经历一问没问。内容覆盖 harness 概念、Skills 与 MCP 的区别及数量膨胀处理、知识库、自研 Coding Agent 的上下文压缩与多 Agent 协作。
拼多多Agent方向一面面经（60min双机位）
拼多多Agent方向一面面经，60分钟双机位。全程围绕Agent工程细节深挖：工具调用单个还是多个、并行还是串行、如何设计带工具调用的Agent、上下文压缩与压缩后的缓存命中、工具调用冲突、大量工具时准确率下降的解法，代码题是括号生成。
腾讯营销后端一面：Agent 上下文体系与多路归并
腾讯营销后端一面面经（9.18）：主体是一段 Agent 基础设施实习的深挖——Skill 如何被发现与按需加载、正文放在上下文的什么位置、用完何时卸载、会不会影响 Prefix Cache，上下文压缩怎么做、长 Tool Result 怎么处理、压缩后如何按需找回原文、历史索引分几层；随后问一个需求从提出到上线 AI 如何参与、跨仓库代码怎么理解、SOP 怎么沉淀，最后手撕 N 个升序数组合并。
小鹏二面：Transformer 基础与端侧 Agent Harness
小鹏端侧 Agent 岗二面面经：由实习项目切入 Transformer 基础（结构差异、QKV 计算、多头注意力、LoRA），再深挖 Agent Harness 职责与端侧迁移难点。
微信小程序
手机上刷面经，随时随地
扫码 / 长按识别，免下载直接打开
或在微信 搜一搜「面灵面经」