AI Agent 面试题与八股文汇总：155 道大厂真题按主题拆解（2026 面经）

Agent 岗的面试和一年前完全不是一回事了。前年问的还是「什么是 Agent」「ReAct 怎么实现」，今年一开口就是 Harness 怎么设计、上百个 Skill 怎么管理、越权调用怎么监控——这些概念半年前很多都还不存在。只按旧题背，进面就会发现问法早就换了一套。

这份合集是面灵AI 从大模型与应用开发岗的公开面经里，把 AI Agent 相关的提问单独抽出来重新归类整理成的专项题单，一共 155 道题，分九个主题。想连带看大模型算法岗的训练、对齐、推理优化题，可以配合大模型面试题合集一起用。

怎么用这份题单：

• 题目后面括号里是近期实际问过这道题的公司，不代表完整名单，也不代表没标注的公司不问
• Agent 岗最大的特点是「概念题只是敲门砖」——几乎每道架构 / 工具调用 / 记忆题后面都跟一句「你们项目里具体怎么做的」，只背定义会在追问里露馅
• Harness、Skill、上下文工程这几块是 2026 年新长出来的重灾区，题目还没完全沉淀成固定问法，重点是理解设计动机而不是背答案

主题导航：基础概念与架构模式 · Agent Harness 与运行时工程 · 工具调用MCP-与-skills · 记忆管理与上下文工程 · 多智能体协作与编排 · 评估幻觉与安全兜底 · 系统设计题 · 手撕代码 · 软性问题与职业发展

基础概念与架构模式

• 用大白话说清楚什么是 Agent，它和传统对话系统、Siri 类助手的边界在哪？（字节跳动）
• AI Agent 是什么？为什么要用 Agent 而不是直接调大模型？（字节跳动 / 快手 / 腾讯）
• Agent 和 Workflow 有什么关系，分别适合什么场景？判断依据是什么？（字节跳动 / 百度 / 腾讯广告 / 得物）
• 常见的 Agent 架构模式有哪些？（阿里巴巴）
• ReAct 是什么？工作流程和优缺点分别是什么？（携程 / 腾讯 / 快手）
• ReAct 和 Plan-Execute-Replan 的区别是什么？分别适用于哪些场景？（美团 / 小红书）
• Plan-Execute-Replan 为什么需要一个监管 Agent？
• Agent 项目通常如何设计整体架构、框架和部署流程？（小红书）
• Agent和大模型在业务中有什么区别？（百度）
• Agent 项目与传统后端项目的架构差异体现在哪？
• 搭一个大模型应用，如何在「单次提示词 / Workflow / Agent」三种方案之间选型？
• 什么时候应该固化成垂直领域 Agent，什么时候要保系统泛化性？
• 最小可用 Agent 的核心模块是不是一个 ReAct Loop？除了工具调用还必须实现什么？
• 企业落地 Agent 系统最大的瓶颈是什么？用 Agent 有哪些弊端？
• Agent与Siri等传统智能助手的核心差异是什么？（字节跳动）
• 复杂场景既需要 Plan-Execute 的全局规划、又需要 ReAct 的实时反馈，架构上怎么兼顾？
• 请用通俗的话说明什么是 Agent，让非技术面试官也能听懂。（字节跳动）
• AI Agent 如何选择底层大模型？多 Agent 场景下主 Agent 和子 Agent 该用一样大小的模型吗？（阿里巴巴 / 滴滴）
• AI Agent 有哪些常见的模型或类型划分？（腾讯）

Agent Harness 与运行时工程

这一节是 2026 年才真正热起来的方向，很多概念半年前还不存在，考察的是理解力而不是背诵。

• Prompt Engineering、Context Engineering、Harness Engineering 三者有什么区别？（钉钉）
• Agent Engineering 和 Harness 在软件开发中分别指什么？
• Harness 做的事情 LangChain 等框架其实一直在做，为什么 harness 这个概念现在突然火了？区别是什么？（字节跳动大模型算法三面）
• 聊一聊 Harness、Hermes 这类比较新的 Agent 设计范式，最近看过哪些相关论文？（字节跳动暑期）
• 市面上主流的开源 Agent Harness 框架有哪些？最近关注过哪些？（快手）
• 你了解 Claude Code 的上下文管理方式和实现思路吗？（快手 / 蔚来）
• 为什么不用 Deep Agents 框架而选 LangGraph？Deep Agents 不稳定的原因可能是什么？
• 业界 Agent Runtime 越来越多，平台侧如何统一适配和管理？
• 未来更可能是一个 Super Agent 通吃所有任务，还是 Host Agent 加多个 Sub Agent 的组合？
• LangChain 和 LangGraph 有什么区别？LangGraph 的状态快照机制怎么实现？（字节跳动 / 快手 / 阿里巴巴）
• Java 生态里为什么选 Spring AI 而不是 LangChain4j？（京东 / 字节跳动 / 快手）
• 非 Java 生态还有哪些主流 Agent 框架？（快手 / 京东）
• Agent 的组装链 / 执行链如何设计，执行失败时如何降级？

工具调用：Function Calling、MCP 与 Skills

• Function Calling 的原理是什么？模型如何知道该调用哪个工具？如何理解 Tool Use？（阿里巴巴 / 快手 / 京东）
• 如果大模型返回的 Function Call 参数格式不对，工程上怎么处理？（阿里巴巴）
• MCP 是什么？主要作用是什么？（字节跳动 / 腾讯 / 京东 / 阿里巴巴）
• MCP 是什么，它解决了什么问题？（抖音）
• MCP 协议底层原理是什么，和传统 Tool 注册方式有什么区别？（阿里巴巴）
• MCP 与 Function Calling 有什么区别？（字节跳动 / 快手 / 货拉拉 / 百度）
• MCP 是什么，MCP 的通信方式有哪些？（阿里巴巴）
• MCP Server 具体怎么开发？（阿里巴巴）
• MCP 在实际项目中可以用来做什么？
• MCP 应该如何设计才能兼顾扩展性和安全性？（字节跳动 / 携程）
• 没有 MCP 之前，多 Agent 协同是怎么做的？（靠 Function Calling 分发）
• MCP 是否已经过时？为什么现在讨论热度没那么高了？（阿里千问）
• A2A 和 MCP 是什么关系？多 Agent 之间的通信协议应该怎么设计？（阿里千问 / 字节跳动）
• MCP 和 Skills 有什么区别？（TikTok / 京东 / 字节跳动 / 美团 / 腾讯 / 阿里云 / 小红书）
• Prompt、MCP、Skills、Subagent 分别应该怎么理解？（字节跳动）
• Function Call、MCP、Skill 三者的边界在哪？（B站）
• AI Agent 里的 Skills 具体指什么？（美团）
• Agent Skill 是什么，模型是怎么被引导调用一个 Skill 的？
• 为什么用 Skills 能减少 token 消耗？（网易 / 快手 / 腾讯）
• 从使用经验来看，Skill 和 Rule 有什么区别？（腾讯 / 蚂蚁集团）
• Skill 的渐进式披露具体是怎么实现的？为什么 Agent 能力要采用渐进式披露？（美团）
• 如果让你设计一套 Agent Skill 系统，会怎么设计？一个好的 Skill 结构应该包含哪些字段？（快手）
• 注册了上百个候选 Skill，该怎么处理——检索、分层还是渐进式披露？（快手）
• 大规模工具集下如何降低工具调用幻觉、提升选对工具的准确率？（字节跳动 / 快手）
• 工具调用的编排放在 Skill 里还是 Agent 里？工具是在 Agent 内定义，还是由 MCP 平台统一提供？
• 如何决定哪个 Agent 能访问哪些 MCP 服务？是不是所有 Agent 都该能访问全部 MCP？
• 工具调用报错、长时间无响应、连续失败时，重试、超时与异常隔离策略怎么设计？（快手 / 蔚来）
• 多工具调用系统如何编排？通常包含哪些模块？（百度）
• Spring AI Alibaba 的 Function Calling 具体是如何实现的？（字节跳动 / 快手）

记忆管理与上下文工程

• Agent 的短期记忆和长期记忆如何实现、如何区分？（京东 / 携程 / 美团）
• Agent 记忆管理整体如何设计？记忆模块选什么数据库，选型依据是什么？（京东 / 京东科技 / 滴滴）
• 长期记忆和 RAG 有什么区别？Agent 的记忆为什么要区分长短期，架构上有什么不同？（阿里千问 / 通义）
• 记忆如何召回？如何避免不同问题召回的记忆相互污染？（字节跳动）
• 在 Agent 项目中如何设计上下文管理机制？（京东物流 / 阿里云）
• 检索 Agent 中如何进行上下文管理？（小红书）
• 上下文工程应该如何设计，涵盖哪些环节？最重要的是哪一环？（高德 / 字节跳动）
• 上下文压缩应该放在链路的哪一步？先压缩再向量化，还是反过来？（字节跳动）
• 长对话 / 上下文窗口受限时如何处理？滑动窗口 + 摘要方案具体怎么落地？（字节跳动 / 腾讯）
• 工具调用结果怎么压缩——原地压缩还是交给另一个模型处理？对执行效果和耗时有什么影响？（字节跳动 / 蔚来）
• 为什么上下文越长，模型结果反而越不稳定？为什么指令在上下文里的位置会影响效果？
• 快到上下文窗口阈值时，如何避免一次性大段压缩打断用户体验？（字节跳动）
• 除了压缩，还有哪些规避上下文窗口限制的方案？大结果卸载在工程上怎么实现？（字节跳动 / 蔚来）
• 多轮长任务如何避免「任务目标迷失」？如何理解「无限长记忆」和必须舍弃历史信息之间的矛盾？（字节跳动）
• 怎么区分上下文污染和工具污染？AI 工具上下文跑偏时，是继续控制上下文还是新开一个 session？（字节跳动）
• 长期运行的 Agent 面对数月甚至更久的历史对话，记忆系统怎么持续优化？（小红书 / 蔚来）
• 记忆有没有量化指标？怎么评测记忆对 Agent 效果的贡献？
• 多工具调用和长短期记忆场景下，哪些数据需要写入记忆？判断标准是什么？（百度）
• 如何保证压缩过程中不丢关键内容？压缩导致结果失真如何缓解？（小红书）

多智能体协作与编排

• 多 Agent 协作模式如何理解？多 Agent 相比单智能体的优势是什么？（阿里巴巴 / 美团）
• 常见的 Agent 架构模式有哪些，多 Agent 场景下如何选型？（阿里巴巴）
• 子 Agent 之间如何交互 / 通信？交互协议如何设计？串行还是并行执行，如何取舍？（美团 / 快手）
• 主 Agent 如何动态识别并选择要调用的子 Agent？固定工作流还是动态判断？（美团）
• 多个 Agent 策略结论 / 角色不一致时如何处理？（京东）
• 主 Agent 怎么知道子 Agent 已经执行完成？子任务结果如何回收？（蔚来）
• 多 Agent 用独立 JSON 消息做异步通信要怎么设计？通信失败有哪些兜底机制？（蔚来）
• 用 Markdown 文件在 Agent 之间传递任务时，如何防止任务拆分阶段的错误一路传播下去？（字节跳动）
• 多个 Agent 如何做到完全隔离（上下文、权限、存储）？跨 Agent 场景下统一存储怎么通信和传输？（字节跳动 / 蚂蚁集团）
• 多 Agent 调研类系统该选中心化还是去中心化调度？怎么做到子任务失败可回退、进度可观测？
• 除了路由分发，还有哪些常见的多 Agent 协作方式？Agent Team 和动态任务分发机制了解吗？（字节跳动）
• 多智能体是否真的能提升效率？相比单智能体的独特价值怎么证明、怎么评估？（字节跳动）
• 子 Agent 执行中发现需要额外的新任务，任务应该怎么流转和审批？（腾讯广告）
• Agent 平台的多模块集成架构如何设计？（腾讯）
• Agent的核心技术组成和执行链路是什么？（快手）

评估、幻觉与安全兜底

• Agent 评估体系包括哪些维度？如何衡量 planning 能力 vs hallucination rate？（阿里巴巴）
• 如何构建 Agent 的评测体系？（Shopee / 小红书）
• Agent 项目应该统计哪些指标来衡量效果？（字节跳动）
• 智能体死循环 / 无限调用的原因及解决方案？为什么要设计三层防护机制？（字节跳动 / 快手）
• Agent 如何做权限控制避免越权 / 不合理操作？高危场景如何限制 Agent 直接执行真实资金操作？（腾讯 / 京东）
• Prompt Injection / Indirect Prompt Injection 是什么？如何防范恶意提示词注入？（钉钉 / 小红书）
• 沙箱机制如何实现？（B站系统设计）
• 生产环境 Agent 的四类典型故障——思考链错误传播、工具幻觉、JSON 格式崩坏、无限循环——分别怎么发生的？如何分三层解决？（字节跳动）
• 如何设计机制终止无效循环，而不是只依赖最大轮次？超时和重试限制怎么设？（字节跳动）
• 线上 Agent 一直调工具但不返回结果，怎么 Debug？多步任务失败时如何区分是 Prompt、模型、工具还是逻辑问题？（字节跳动 / 腾讯混元）
• 如何建立 Agent 的可观测性（轨迹留存、指标、回放）？（通义）
• 幻觉率怎么定义和计算？降幻觉的数字是怎么量化出来的？（字节跳动）
• 如果检测 Agent 自身也会幻觉，工程上如何保证检测 Agent 可靠？（美团）
• Agent 前序步骤产生幻觉、导致链式积累时应该如何处理？（美团）
• 如何区分「内容过时」和「模型幻觉」？（字节跳动）
• HITL：触发人工确认时 Agent Loop 处于什么状态？状态怎么暂停、暂存和恢复？（蔚来）
• 哪些内容必须人工审核、不能交给 Agent？运维类 Agent 能重启机器和服务时，高危操作怎么管控？（蚂蚁集团 / 唯品会）
• 如何防止网页、外部文档里的恶意指令注入 Agent？抓回来的内容怎么保证可信？（字节跳动）
• Agent 已经完成初始身份认证，为什么还需要连续认证？（字节跳动）
• Agent 执行到中间某个阶段出异常，如何断点恢复？整体兜底方案是什么？（字节跳动）
• Agent 的兜底策略如何设计？（京东 / 字节跳动）
• Agent 的执行过程要不要向用户透明展示？展示到什么粒度？

系统设计题（高频压轴）

• 设计一个多 Agent 自动 PR 系统，从沙箱、Agent 通信、上下文管理、工具触发、安全性几个角度展开。（B站）
• AI 客服 Agent 项目如何设计？RAG 如何分块和选择向量模型？（阿里巴巴）
• 视频问答 Agent / 股票分析 Agent 全链路如何设计？（阿里巴巴 / 快手 / 京东）
• 设计一个 AI 代码 Review Agent：输入一个 PR，整体方案怎么做？怎么保证它只提意见、不直接改代码？（字节跳动）
• 企业知识库 Agent 主要解决什么业务问题？完整链路、文档导入、权限隔离、效果评测怎么串起来？（Shopee / 字节跳动）
• 企业知识库 Agent 的消息推送功能如何设计？（Shopee）
• 设计一个内容标注 Agent（视频 / 图文）：流程如何划分，要用到素材里的哪些信息？（抖音）
• 设计电商客服 Agent：如何理解表达能力参差的用户的模糊需求？核心成功指标怎么定？（通义）
• 设计运维 / 故障排查 Agent：支付接口超时时它怎么跑完整套排查流程？高危操作如何管控？（字节跳动 / 唯品会）
• 设计多 Agent 文献调研系统：三个核心风险是什么，分别怎么应对？
• 请完整介绍一个 Agent 项目从需求到技术落地的全流程。（阿里云）
• 如何对比 GPT、Claude、Grok、Gemini、Manus 和 DeepSeek 的 Deep Research 功能？（抖音）
• 如何评价 Manus 当前推出的功能？（抖音）
• Manus、扣子空间等智能体产品有哪些体验问题，你会怎么改进？（抖音）
• 针对智能体 Plan 和 Report 阶段的不足，如何向研发提出可执行的需求？（抖音）

Agent 手撕代码

大模型岗的手撕分两类：一类是 Agent 特色的模型 / 工程手撕，一类是照常考的通用算法题，前者近一年权重明显上升。

• 脱离任何框架，手写一个 ReAct 模式的最小 Agent：工具注册、循环控制、终止条件、异常处理分别怎么实现？（2026 下半年新出现的高频手撕，应用岗尤其常考）
• 手写一个简易上下文压缩 / 滑动窗口摘要逻辑（给定消息列表和 token 上限，决定保留、摘要还是卸载）
• Agent 如何完成一次完整的工具调用？从解析参数到执行、回传结果的链路要能手写出来。
• 手写一个简单的多 Agent 消息路由器：按角色 / 能力把任务分发给对应子 Agent，并处理超时和失败重试。
• Java 动态代理有哪些实现方式？和 Agent 框架里的动态调度思路有什么可以类比的地方？
• 手写一个死循环检测器：给定 Agent 的调用轨迹，判断是否陷入重复调用同一工具的死循环。
• 反转链表 / 链表相加（双指针）/ 排序链表
• 二叉树层序遍历、接雨水、无重复字符的最长子串
• Top-K（快速选择 vs 堆，复杂度 / 并行化）、字符串解码 k[encoded]

软性问题与职业发展

• 深挖简历里的 Agent 项目——落地逻辑、核心难点、指标怎么量化出来的、后续改进思路——这是所有大厂面试的主线，占比最高
• 你自己搭过 Agent 吗？工作流是怎样的？能不能现场演示一下你负责的 Agent？（越来越常见的「当场验真」）
• 平时用哪些 AI 编程工具（Claude Code / Cursor / Codex / 通义灵码）？怎么用的？（高频闲聊切入）
• 你在 AI 编程工具里装了哪些 Skill、写过哪些复杂 Skill？效果怎么验证的？（快手）
• AI Coding 流程里如何避免大模型随意发挥、改坏历史功能？（阿里巴巴）
• AI 编程中的 Plan 模式和 Agent 模式有什么区别？（小红书）
• 怎么看待从提示词工程到 Skill 这类概念的快速迭代？用框架和直接调大模型的差异在哪？（字节跳动）
• To C 和 To B 的 AI Agent 哪个会先爆发？未来 AI Agent 会是什么形态？（腾讯）
• 你如何甄别 AI 输出的思路和内容是否准确，避免被幻觉带偏？（OPPO）
• 你认为 Agent 的商业化成本是在上升还是下降？（拼多多）
• 平时关注哪些 AI Agent 相关的前沿技术？最近看过哪些相关论文或产品？

备考重点

大模型应用 / Agent 工程岗（快手 / 腾讯 / 京东 / 网易 AI 应用开发）——重点在工具调用（Function Calling、MCP、Skills）、记忆与上下文工程、多智能体协作三块，几乎每题都会追一句「你们项目里具体怎么做的」，框架层面 LangGraph 和 Spring AI 都要能聊。

2026 下半年新增的三个重灾区：Agent Harness 与运行时工程（怎么设计、和 MCP / Skills 的边界在哪）、评估与安全兜底（Agent Loop 状态怎么暂停恢复、越权调用怎么监控、幻觉链式传播怎么截断）、多智能体编排（去中心化调度、子任务失败可回退、跨 Agent 隔离）。这三块几乎每轮都会问到，而且都要求结合项目讲出具体做法。

面试官越来越爱追问「怎么量化」：幻觉率怎么定义、记忆有没有指标、Agent 效果提升的百分比用哪个测试集算出来的。简历上写的每个数字都要能讲清楚是怎么算出来的——只报结论不报口径，基本会被一路追到底。

常见问题

这份题单是怎么整理出来的？

来源是公开面经，把 AI Agent 相关的提问单独抽出来重新归类，不包含面灵用户的面试内容。括号里标注的是近期实际问过这道题的公司，只作参考，不代表完整名单。

AI Agent 面试和大模型算法岗面试差别大吗？

差别很大。大模型算法岗重心在模型结构、训练和强化学习对齐，Agent 岗几乎不问 RLHF 推导，但工具调用、Harness、记忆与上下文工程、多智能体协作会问得非常细，还会要求现场演示或深挖你做过的 Agent 项目。如果两条线都要准备，可以搭配大模型面试题合集一起看。

只背这些题能过面试吗？

不能。这份题单解决的是「准备方向不跑偏」的问题——它告诉你面试官现在在问什么、往哪个方向追。但 Agent 面试有大量时间在挖你的项目细节和现场设计能力，几乎每道概念题后面都跟着一句「你们具体怎么做的、效果怎么量化的」。建议按题单排查知识盲区，同时准备一个能讲清楚设计取舍的真实案例。

没有 Agent 项目经历怎么办？

先把一个最小 ReAct Agent 完整搭一遍——从工具注册、循环控制、终止条件到异常处理，再加一层简单的记忆管理和上下文压缩。这件事可以在本地独立完成，也正好覆盖题单里问得最密的工具调用和记忆两章。搭的过程中记录踩过的坑和调优前后的数据，这些细节比项目本身的规模更能说服面试官。如果有明确的目标公司和岗位，也可以用面灵AI的定制题库功能，结合你的简历生成更贴合目标的专属题库和参考回答。