2457 字
12 分钟
米哈游 · Agent 开发工程师 · 一面面经
面试日期、面试结果:未记录。
这篇面经根据本人的回答转录与补充回忆整理,题意经本人核对。面试围绕 AI 辅助开发、OnCall Agent 和实习中的 Agent 评测平台展开,现场要求用伪代码说明 Agent loop 的思路,并继续讨论上下文、Skill 和 Memory。
一、自我介绍
- 请做一下自我介绍,介绍实习和项目经历。
- 当时回答:介绍了滴滴国际化业务部门的 Agent 评测平台实习,主要参与自动定时评测和 Tool Mock;个人项目包括面向运维场景的 OnCall Agent,以及使用 Redis 处理防超卖、一人一单和缓存问题的秒杀项目。
二、Go 与 AI 辅助开发
- 此前主要使用 Java,实习时如何学习 Go 并完成开发?掌握到什么程度?
- 当时回答:开发主要借助 AI。入职学习阶段花约一周,一边了解业务,一边学习 Go 基础语法,达到能读懂生成代码的程度;没有深入学习底层机制。
- 使用 AI 辅助开发时,如何比较技术方案并作出选择?
- 当时回答:先让 AI 列出几种方案;遇到不理解的技术,会另开对话了解,再结合业务需求选择,不直接照搬方案。
- 产品需求如何交给你?如何将 PRD 和沟通所得的需求提供给 AI?
- 当时回答:既有 PRD,也会通过会议补充和对齐需求。所用内部文档没有开放对应的工具访问权限,因此主要复制到本地,再向 AI 说明需求和设计目标。
- 实习中用过哪些 Coding Agent 和模型?分别承担什么工作?
- 当时回答:使用过 Claude Code、Codex,也用过 DeepSeek 配合其他编程工具。结合可用额度,需求分析和技术设计更多使用 Claude,开发更多使用 GPT,DeepSeek 用于部分问题排查和文档工作。具体模型版本记不清楚。
- 如何比较这些模型的效果?有什么实际例子?
- 当时回答:个人体感是 Claude 给需求和技术方案较好,GPT 编程较好。一次 GPT 排查问题效果不佳,换用 DeepSeek 后发现了此前没注意到的代码细节,因此也会交叉使用。这是当时的使用感受。
- 了解不同大模型 API 的协议差异吗?
- 当时回答:主要使用已封装的接口,配置 base URL 和 API key。理解为不同 JSON 字段规范,但没有具体研究协议之间的底层区别。
三、OnCall Agent 与编排
- 向量数据库、Embedding 模型如何选型?运维文档如何切分?
- 当时回答:向量数据库选择 Milvus,考虑它专注向量检索、使用较广;Embedding 选择千问 embedding-text-v4,考虑性能、中文语料,以及付费和网络访问的便利性。运维知识文档采用 Markdown,按分级标题、段落等语义结构切分。
- 如何理解 ReAct 的 Agent loop?从用户 query 到工具调用和最终回答,流程是什么?
- 当时回答:将 query、系统提示词和工具说明提供给模型;模型需要外部信息时发起工具调用,由框架执行工具,将结果送回模型继续判断,直到不再调用工具并生成回答。实际项目中的循环由框架提供。
- Planner 和 Executor 如何分工、配置和协作?
- 当时回答:Planner 的提示词强调规划职责,将 Executor 作为类似工具的执行者;Executor 配置执行者身份和可用工具。Planner 分解任务并交给 Executor 执行,接收结果后继续规划或推进后续步骤。
- 如何保存规划任务的状态和进度,支持后续持续执行?
- 当时回答:当前方案没有专门的持久化状态存储,更多依赖上下文。认为可以参考 spec 编程,将需求、拆分任务及进度持久化,每完成一步就标记完成,未完成时也保存当前状态。这是当时提出的改进思路。
四、Agent 评测平台与定时任务
- 介绍评测平台的整体流程。线上评测与离线评测有什么区别?
- 当时回答:业务 Agent 的历史 Trace 保存在 Langfuse,评测平台同步 Trace 并构建测试集。线上评测直接评价历史 Trace 的表现;离线评测将测试集输入重放给业务 Agent,再对新的输入输出评分。
- 离线重放如何保证输入和外部依赖可复现?除了 Tool Mock,还控制了什么?
- 当时回答:测试集输入固定;同一用例调用同一工具、传入相同参数时,Mock 返回相同结果。知识库检索当时尚未接入,其他依赖还没有做更多控制。
- 如何判断大模型评测分数是否可信、是否符合人工判断?
- 当时回答:平台主要依赖大模型评分,但直接得到高分或低分不一定具有实际参考价值。需要先由人工标注 Trace,形成黄金测试集,再让模型评分更符合人工判断。这部分当时仍需要推进。
- 评测平台是否已经实际反馈到业务?产品需求如何推进?
- 当时回答:当时尚未真正将评测结果反馈到业务方;产品仍在与负责人讨论新需求,确认后交给开发实现。
- 自动定时评测如何实现?长链路任务中的重复创建、并发领取和异常状态如何处理?
- 当时回答:外部定时平台每分钟调用接口,检查计划是否到期,再创建执行任务。流程包括收集 Trace、评分和归集低分 Badcase,通过消息队列分配异步任务,并用任务状态记录阶段。
- 追问:重复触发如何避免创建多个任务?当时回答以“任务 ID+计划触发时间”作为业务幂等键。
- 追问:多个 Worker 如何避免同时领取同一任务?当时回答采用 CAS 思路,检查前置状态,条件满足才推进状态并写入 Worker ID,类似租约申领。
- 追问:任务失败或长时间卡住怎么办?当时回答通过异步检查收敛状态,对长期未领取、执行中但状态不更新的任务进行处理;也会检查实际工作状态,已成功则推进后续阶段。
- 定时接口处理比较慢,上一次调用还没处理完,下一次又触发了,会怎样?
- 当时回答:测试时没有遇到这个问题;接口主要负责触发并创建任务,长耗时流程由后续异步任务承接。没有进一步完整说明两次接口调用实际重叠时的行为。
- 如何判断计划到期?是否通过时间窗口触发?
- 当时回答:按时间窗口判断,只触发当前这一分钟内到期的任务。
五、现场题:Agent loop 与扩展设计
- 写一个 Agent loop,不限定语言,可以使用伪代码说明思路。
- 题目重点:表达对 Agent loop 执行流程的理解。
- 现场代码及具体完成情况未记录,以下为后续讨论中保留的思路。
- Agent loop 在什么情况下结束或中断?需要返回哪些信息?
- 当时回答:提到 token 使用限制、轮数限制、超时和正常结束;中断前最好保存上下文,并在返回结果中标注结束原因。讨论中也澄清过,所说 token 限制指向使用计费。
- 上下文过长时如何处理?是否设计了检测与压缩?
- 当时回答:当时尚未设计,需要检测上下文长度,并考虑压缩。
- 单次 Agent loop 调用内,历史消息如何维护和传递?一次函数调用的边界是什么?
- 当时回答:一次调用接收初始 query,在 loop 内持续追加历史消息。这部分讨论针对单次 loop 调用。
- 如果加入 Skill,如何发现、加载和执行?如何处理用户显式触发?
- 当时回答:在提示词中提供可用 Skill 的名称和简短介绍,由模型决定是否加载;如果 query 已显式触发某个 Skill,则应加载。纯提示词型 Skill 作为上下文加载,带可执行内容的 Skill 则类似工具调用,结合任务决定执行内容。
- 如何理解并接入 Memory?全量加载与按任务检索加载如何处理?
- 当时先询问 CLAUDE.md 是否也算一种 Memory,之后围绕跨对话积累、主动学习或用户要求记录的信息继续讨论。
- 当时回答:可以每次作为系统提示词加载,也可以针对当前任务检索,再确定是否加载。
六、反问
- 部门具体做什么业务?
- 面试官答复(本人补充回忆):主要做内部使用的平台,例如招聘平台、IM 平台,工作涉及这些平台侧栏的 Agent,以及相关接口等。
七、整理建议
后续可以重点练习“前一次定时调用未结束、下一次再次触发”的具体执行过程,区分接口调用重叠与后台任务并发。Agent loop 则可以用一段完整伪代码串起消息追加、工具执行、停止原因和上下文压缩,并说明哪些已经实现、哪些仍是改进思路。
米哈游 · Agent 开发工程师 · 一面面经
https://example.com/posts/mihoyo-agent-engineer-round-1/