知识库 面试题
共 15 篇真实面经 · 涵盖 OPPO / 顺丰 / 途虎养车 / 某互联网公司 / 智谱 等 13 家公司
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。
顺丰 AI 全栈一面：ReAct 循环、缓存命中率与知识库 pipeline
顺丰 AI 全栈一面面经（10 月 8 日），半小时无手撕无八股，面试官主问 AI 与实习：ReAct 循环的实现与终止条件判断、最大迭代次数的定法、实测最复杂任务，以及 prompt caching 与 KV Cache 的原理和命中率优化；后半段深入供应链知识库建设，追问 LM Wiki 从 raw 文档抽 concept/实体/边的 pipeline、节点变更的影响面分析、多语言翻译插件为什么用 ES 做语义召回。
途虎养车 AI 面面经（10.10）
途虎养车 AI 面面经：12 道题覆盖最具技术挑战的项目实践、项目指标与效果验证、微服务链路错误透传的拆解与选型、知识库与分层推理落地、提前自学经历、链路解析与图结构分析场景，以及挫折应对、效率提升、城市与薪资期望。
小厂智能体应用开发面经：PDF 切块、大模型 JSON 输出与 NL2SQL
某互联网公司智能体方向的 AI 应用开发面经，整场不到十分钟。考点是 PDF 文档切块与图文公式处理、大模型输出 JSON 不规范怎么兜底、记忆与知识库的测评，以及 NL2SQL 检索超出上下文限制的应对，作者自述第八题没答上、全程紧张。
智谱 AI Native Builder 实习面试：31 问深挖项目与 Agent 权限
智谱 AI Native Builder 实习岗面试记录：开场是年级、住址、老家、高中、论文压力、可实习时长这类个人信息追问，中段考岗位理解与 AI 工具使用习惯，主体是围绕质量数据系统深挖系统架构、团队分工、意图识别与数据路由，再集中追问 Agent 敏感数据防导出、敏感数据权限、工具调用权限校验、越权防护，以及知识库的切分、检索与权限设计、倒排索引的匹配局限和整体效果优化，最后要求手写一个敏感数据导出拦截函数（伪代码）。
蚂蚁二面：Agent Runtime、读写鉴权与 AI Native 转型
蚂蚁二面 13 问：Agent Runtime 设计、知识库与 Skills 的分工及覆盖验证、读写操作的鉴权与风险控制、长任务中 Plan 的作用，以及 AI Native 分阶段规划与自研 Agent 还是做插件的取舍。
蚂蚁集团大模型应用面经合集：业务中台与 RAG 知识库
蚂蚁集团大模型应用方向四场面试合集：一面围绕跨境售后工单中台，追问单机迁集群的典型问题、幂等 Token 与雪花算法时钟回拨、订单状态机中间态与评论分库分表热点治理；后三面深挖 RAG 知识库的采集更新、静态知识库与动态检索取舍、图 RAG 实体一致性，以及 Agent Memory 分层晋升与 Spring AI 记忆机制。
差旅壹号Java一面 全程聊实习与规划
差旅壹号 Java 一面几乎没有技术题，围绕基本信息、实习为什么没转正、个人负责模块与交付成果、知识库相对人工的准确性、AI 工具的应用理解与踩坑案例，以及到岗时间和期望薪资展开。
华橙 Agent 评测二面面经
华橙 Agent 评测岗二面，围绕企业知识库建设、Skill 的构建方式与公司内推广效果、新需求下大模型如何一次理解到位展开追问，另有转测试岗的动机与抗压类行为题。面试官最后建议：精简 AI 测试亮点，重点突出量化指标。
科大讯飞测试开发一面面经（40min）
科大讯飞测试开发一面面经，9月22日，时长40分钟。全程围绕实习经历深挖：Go压测工具的设计与性能指标评估、从需求到发版的测试流程、最难复现bug的定位、知识库与skill的关联及效果度量，学校项目未被提问。
科大讯飞 测试开发二面（40min）：知识库、测试覆盖与大模型痛点
科大讯飞测试开发二面，9 月 29 日，约 40 分钟。围绕自建知识库追问为什么搭建、落地思路、效果变化与前后差别，并延伸到测试产物覆盖度的保障策略、印象最深的 bug、Codex 使用技巧、skill 与 agent 的区别，以及大模型在测试领域的落地痛点。
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。
9.30 新浪测开二面
新浪广告投放部门测试开发二面面经，9 月 30 日：只问了三道题——自我介绍、知识库的来源、如何评测一个智能客服，剩下的时间面试官都在讲广告投放的底层逻辑。
微店 AI 全栈开发秋招二面：Agent 可验证性与工程边界
微店 AI 全栈开发秋招二面面经：围绕 Agent 工程化能力展开，包括如何证明 Agent 执行结果不是偶然成功、如何用步数/时间/Token/预算约束执行范围、多国家法规知识库的元数据与版本隔离、图文审核冲突的仲裁、模型调用客户端封装、配置优先级与启动校验、工具依赖与参数补全、以及 JSON 合法但语义错误怎么兜。
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。
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」