koyomi315的头像
koyomi315
北京邮电大学硕士,关注后端开发、AI Agent 与 Agent Evaluation。
2131 字
11 分钟

拼多多 · Agent 开发 · 二面面经

面试日期:10 月 26 日。面试结果:未记录。

根据本人回答的转写还原问题,并经本人核对、补充后整理。主要围绕科研与实习工作、个人 Agent 项目的实践深度、AI 编程流程和一道折线求值题展开。

一、自我介绍与科研项目#

  1. 请做一下自我介绍。
    • 当时回答:介绍教育背景、Java 后端和 Agent 应用开发方向,以及实习中的自动定时评测、Tool Mock,个人项目中的 OnCall Agent 和高并发秒杀系统。
  2. 研究生期间在导师组主要做什么?介绍一下研一的水下通信项目。
    • 当时回答:研一主要做项目,研二做自己的课题。项目涉及通信算法复现,以及声学、433 MHz 无线电、2.4 GHz Wi-Fi 等多种链路;用 Python 实现,并通过协程组织不同链路的通信。
  3. 追问:这个项目中你具体负责哪些工作?
    • 当时回答:参与部分项目重构,负责无线通信相关模块,包括调研通信模块配置、编写 433 MHz 和 2.4 GHz 链路代码。解释时比较零散,也说明自己很久没有总结该项目。
  4. 你目前是否还在实习,什么时候结束?
    • 当时回答:已经结束,9 月离职。

二、评测平台与实习工作#

  1. 详细介绍评测平台的业务场景、用途和闭环。
    • 当时回答:评测商家入驻相关的业务 Agent,观察其能否完成资料提交、资质检查等流程。归集有问题的 Case 后,由人工判断是 Agent、测试集覆盖还是评分标准存在问题,再为后续迭代提供依据。
  2. 自动定时评测解决什么痛点,具体流程是什么?
    • 当时回答:将原来需要手动执行的能力串成周期性的线上巡检。主要分为按窗口收集历史 Trace 并构建测试集、执行评测、归集低分 Trace 三个阶段。
  3. 追问:如何保证长链路异步任务可靠执行,各项措施分别用在哪里?
    • 当时回答:业务幂等键防止同一执行点重复创建;配置修改、Worker 领取任务时使用 CAS;阶段超时后重新投递,达到重试上限或执行失败时收敛到终态,避免长期停留在中间状态。
  4. Tool Mock 服务做什么,为什么评测需要它?
    • 当时回答:Agent 重放时,工具调用结果可能随时间变化,影响评测比较。Mock 固定工具返回结果,帮助提高评测的可复现性。
  5. Trace 是什么?
    • 当时回答:提到 Trace 是 JSON 形式的数据,记录中没有保留更完整的定义说明。

三、CAS、异步流程与个人职责#

  1. 具体说明 CAS 在哪些并发场景中使用,如何实现?
    • 当时回答:人工修改任务配置与扫描器更新计划执行时间可能并发,通过 revision 版本号控制修改。任务重投后,多个 Worker 可能竞争同一任务,通过预期任务状态控制申领及状态变更。
  2. 追问:这里“异步”具体指什么,三个阶段如何串起来,为什么会有并发问题?
    • 当时回答:到时触发并创建执行后,后续任务在后台完成,平台可查询当前进度。三个阶段复用已有能力,再组织为串行流程;重试、自动扫描和人工修改会引入并发,需要相应防护。
  3. 自动定时评测是你独立开发的吗,平台当时发展到什么阶段?
    • 当时回答:自动定时评测需求由自己开发,但复用了已有平台能力;平台当时还在初期,使用者不多,后续有不少功能需要完善。
  4. 实习团队的定位、规模和人员构成如何?
    • 当时回答:自己理解为中台团队,原先与稳定性相关部门在一起,后来拆出小组,建设 Agent 评测、知识库等能力。小组仍在扩充,自己是组内唯一的实习生。

四、OnCall Agent 与 RAG 实践#

  1. 为什么做 OnCall Agent,希望实践哪些技术?
    • 当时回答:主要是实践 RAG、工具调用和 Agent 框架,理解知识库离线构建、在线检索,以及 ReAct、Plan-Execute;实现对话交互和辅助排障功能。
  2. 追问:项目的业务背景、代码和学习资料从哪里来?
    • 当时回答:结合网上资料及与 AI 的讨论选择运维场景,学习开源教程和案例,再在案例基础上完成项目。
  3. 知识库文档从哪里来,构建过程和在线检索如何进行?
    • 当时回答:通过 AI 编写文档,自己组织成 Markdown 语料。离线按标题、段落等语义结构分块,用 Embedding 模型生成向量,将文本块、向量及元数据存入数据库。
    • 在线检索时,提到先对 Query 做可能的改写,再用同一 Embedding 模型生成向量,召回相近的 Top K 内容,补入上下文供模型回答。
  4. 追问:检索效果如何进一步改进,如何理解混合检索和精排?
    • 当时回答:自己只做了语义检索;后来了解可以结合向量检索和 BM25,错误码等信息更适合关键词匹配。
    • 对精排,当时理解为进一步比较 Query 与召回内容的相近程度,或者使用大模型判断,没有说明更具体的实现。
  5. Agent Loop 和工具调用是自己实现还是框架封装,自己配置了什么?
    • 当时回答:主要使用 Spring AI 的 ReAct 封装,配置上下文、工具和模型参数,Loop 由框架提供。
  6. 如何设计接近真实的运维场景,日志、监控等工具如何模拟?
    • 当时回答:知识库模拟运维文档、错误码说明和排障经验;设计查时间、查日志、查监控三个工具,预设 CPU、内存占用异常等返回结果,用 Mock 环境跑通辅助排障流程。

五、Coding Agent 与开发流程#

  1. 是否用后端或 Agent 技术解决过其他实际问题?
    • 当时回答:主要用于学习、面经整理、科研辅助,以及 GUI 等代码编写,多数借助 Coding Agent,没有特别复杂的其他项目。
  2. 追问:实习中主要使用哪些 Coding Agent?
    • 当时回答:主要使用 Codex 和 Claude Code。
  3. 追问:拿到需求后如何与 Coding Agent 配合,如何检查结果、沉淀知识?
    • 当时回答:先与产品对接、理解需求,再使用小组已有的开发工作流,结合 SDD 与 TDD,依次做需求澄清、技术设计、编码、检查、测试和归档。过程中允许返回前一阶段修改,并将相关知识沉淀到项目知识库,供后续开发使用。

六、编程题:折线求值#

  1. 给定若干点构成的折线,以及若干自变量值,计算每个自变量在对应折线上的值。
    • 记录中没有保留点的排序、横坐标是否唯一、查询范围、精度及具体接口等条件,也没有保留当时的代码、解法和复杂度。
    • 完成情况:进行了编码、修改和重跑,最后表示看到的用例没有问题;没有完整测试结果记录。

七、反问与招聘批次#

  1. 反问:后续还有哪些面试流程?
    • 面试官答复:后面还有 1—2 轮技术面。
  2. 为什么走提前批,前面的面试为什么推进得比较晚?
    • 当时回答:提前批投递后,中间去实习了一段时间,实习结束后才继续推进。

八、整理建议#

以下是根据本场记录补充的事后建议:

  • 实习讲解先明确业务目标、已有平台能力和自己负责的需求,再用具体并发场景解释 CAS、幂等和超时重投。
  • 复盘个人 Agent 项目时,分别说明参考的教程、框架封装和自己实现的部分,区分已落地功能与后来了解到的改进方案。
  • 补留现场题的输入输出、边界条件和代码,避免复盘时只能记住大致题意。
拼多多 · Agent 开发 · 二面面经
https://example.com/posts/pinduoduo-agent-engineer-round-2/
作者
koyomi315
发布于
2026-10-27
许可协议
CC BY-NC-SA 4.0

一只小鲸鱼正在游过来…

ⓘ
DeepSeek 同人鲸鱼娘

角色原作:上善无形
二次设计:ZipZipPipe
Live2D:氵六青

素材未修改 · CC BY-NC-SA 4.0

模型来源 ↗