面试问题
一面：技术面
1、先做自我介绍，重点介绍智能运维 Agent 项目。
2、介绍一下这个智能运维平台到底解决了什么问题。
3、目前有哪些用户在使用？是内部真实系统，还是你自己做的项目？
4、用户在平台里输入一句什么样的话，能够触发一条完整的 Agent 执行链路？
5、为什么这个场景要用 Agent？用固定工作流加规则引擎不能实现吗？
6、你在这个项目里具体负责哪些模块？哪些部分是你独立完成的？
7、从用户输入“查询订单服务最近两小时的异常，并分析原因”开始，系统内部会经过哪些步骤？
Agent 架构与任务路由
8、你简历里写了 Multi-Agent，具体拆成了哪些 Agent？
9、为什么要拆成多个 Agent？一个 Agent 挂载所有工具有什么问题？
10、调度 Agent 如何判断当前任务应该走 ReAct，还是走 Plan-and-Solve？
11、你写的四层意图识别具体是哪四层？
12、为什么不能直接让大模型判断意图？
13、正则规则、动作词统计和机器学习分类结果冲突时，最后听谁的？
14、什么样的任务会被判定为复杂任务？有没有具体的判断指标？
计划生成、失败处理与状态保存
15、Plan-and-Solve 生成的执行计划不合理怎么办？你有没有做计划校验？
16、执行到第三步时工具调用失败，是重新规划，还是只重试当前步骤？
17、Agent 执行过程中产生的计划、中间结果和工具返回值保存在哪里？
记忆机制与上下文压缩
18、你说设计了多层记忆，具体分成哪几层？
19、滑动窗口保留多少轮？这个数字是怎么确定的？
20、摘要压缩按照对话轮数触发，还是按照 Token 数量触发？
21、摘要压缩可能会把服务名称、告警时间和错误码压缩掉，你怎么避免？
22、Redis 里保存的是原始对话、摘要，还是 Agent 运行状态？
23、长期记忆中的内容由谁决定是否写入？
24、大模型自己决定写入，会不会写入错误信息？
25、用户后来提供的信息与长期记忆冲突时，你怎么处理？
RAG 检索与评测链路
26、你写了 BM25 加向量检索，为什么需要混合检索？
27、BM25 分数和向量相似度分数不在一个范围内，结果怎么融合？
28、知识库有没有使用 Rerank？为什么简历里没有写？
29、召回率从 0.72 提升到 0.89，这个数据是怎么计算出来的？
30、评测集有多少条？
31、正确文档是由谁标注的？
32、你优化的是召回率，但召回率提高是否一定能让最终回答更准确？
这个地方答得不太顺，面试官明显想听完整的评测链路，不只是检索命中率，还要看回答正确性、引用一致性和任务完成率。
MCP 工具调用与安全控制
33、MCP 在项目里具体解决了什么问题？
34、为什么不直接在 Spring Boot 里调用 Prometheus 和 MySQL 接口，而要再加一层 MCP？
35、MCP 工具的名称、描述和参数 Schema 由谁维护？
36、工具描述不准确，模型选错工具怎么办？
37、MySQL 工具如何限制模型只能执行查询，不能执行 DELETE 或者 DROP？
38、你设计的 L0 到 L3 四级风险分别是什么？
39、正则判断为低风险，大模型判断为高风险，最后使用哪个结果？
40、用户说“清理无用数据”，没有直接出现 DELETE，你怎么识别这是高风险操作？
41、L2 操作需要用户确认，用户确认之后怎么保证执行的还是确认前的参数？
42、Prompt 注入让 Agent 忽略风险规则时，你的安全控制还能不能生效？
A2A 与 Agent 通信
43、A2A 在这个项目中的实际使用场景是什么？
44、A2A 和普通的 Agent 之间调用有什么区别？
45、Agent 之间传递完整对话，还是只传递结构化任务和执行结果？
工程稳定性与并发控制
46、SSE 连接断开后，后台 Agent 任务是否继续执行？
47、一个任务执行三分钟，用户刷新页面后怎么重新看到任务进度？
48、同一个工具因为超时被重复调用，如何避免重复执行高风险操作？
49、Agent 服务重启后，未完成任务能不能恢复？
50、心跳检测检测的是 Agent 实例，还是正在执行的任务？
51、如果同时有大量 Agent 任务调用大模型，如何做并发控制和限流？
52、Spring AI 在项目中主要用了哪些能力？哪些地方是你自己封装的？
53、如果重新做一次，这个项目里你最想重构哪个模块？
一面最后没有手撕代码，面试官让我等通知，大概当天晚上收到了二面邀请。
二面：技术主管面
54、为什么从 Java 后端转 AI Agent 应用开发？
55、你认为 Agent 应用开发和普通 Java 后端开发最大的区别是什么？
56、这个智能运维 Agent 真正上线后，最有价值的能力是什么？
57、目前项目中有哪些功能其实不需要大模型？
58、如果把大模型全部去掉，这个平台还能保留哪些能力？
59、你怎么证明 Agent 比原来的人工运维流程效率更高？
60、简历中写“提升运维效率”，有没有具体的数据？
故障定位、幻觉与 Trace
61、Agent 生成了错误的故障原因，但工具查询结果都是正确的，你怎么定位问题？
62、如果检索内容正确，最终答案仍然出现幻觉，应该从哪些地方优化？
63、你们如何记录一次任务完整的执行轨迹？
64、出现线上问题后，能不能还原当时使用的模型、提示词、知识版本和工具参数？
上线指标与方案取舍
65、Agent 项目上线后，你认为最重要的三个指标是什么？
66、工具调用成功率很高，但用户仍然觉得不好用，可能是什么原因？
67、Multi-Agent 一定比单 Agent 好吗？什么情况下不应该使用 Multi-Agent？
68、ReAct 和 Plan-and-Solve 之外，你还了解哪些 Agent 执行模式？
69、模型能力升级后，原来的意图识别、路由和风险审核模块是否还有必要？
私有化部署、成本与扩展
70、如果公司只允许使用私有化模型，你会怎么重新选模型和设计系统？
71、如果模型接口成本突然增加三倍，你准备怎么优化调用成本？
72、当前这套系统并发提升十倍，最先出现瓶颈的地方可能在哪里？
73、你未来更想做 Agent 平台、Agent 业务应用，还是模型算法？
二面最后聊了薪资、到岗时间和目前的面试进度。
《AI Agent应用开发面试高频问题清单（2026版）》
我们整理了近半年205篇AI应用开发一线真实面经，从中筛选出114篇问题具体、追问链路完整、岗位匹配度高的内容，再对其中2053道面试问题逐道去重、归类，并按出现频次和面试考察价值排序，提炼出这份《AI Agent应用开发面试高频问题清单（2026版）》
清单包含：
- AI Agent开发岗高频真题 + 追问链 + 图解
- 每题附参考答案要点，直接背
- 覆盖字节/阿里/腾讯/百度等头部一线大厂最新面经
- 全部来自一线真实面经，非概念拼凑
- 免费更新
当前版本更新记录如下
有技术底子的人，正站在AI大模型开发的黄金入口
先问自己一个问题：
你写了这么多年代码，薪资是不是已经很久没动了？
面试的时候，“会Spring Boot”“会Vue”"会MySQL"已经变成了基本操作，没有人在乎了。大家都会的东西，就不值钱了。
但另一边，有人在疯狂涨薪
拉勾、BOSS直聘上，“AI应用开发”“大模型开发”"Agent开发"的岗位数量在过去一年翻了3倍，薪资中位数比同级别后端开发高出 40%-60%。
不是因为他们比你聪明，而是因为他们踩对了赛道。
你可能觉得：我又不是搞算法的，大模型跟我有什么关系？
这就是最大的误区。
AI大模型应用开发 ≠ 训练大模型
说清楚一点：训练大模型的是那几家大厂，但用大模型做应用的，是千千万万的普通企业和团队。
而这些团队需要的，不是PhD，而是——
能用大模型API搭出可用产品的应用开发者
能设计Agent工作流、调用工具链的Agent工程师
能把RAG、Function Calling、多轮对话落地到真实业务的AI全栈
这些活儿，有编程基础的你，完全能干。
你需要补的不是"算法基础"，而是"AI开发的技术栈和工程思维"。
Agent开发，为什么是程序员最好的切入点？
因为Agent开发本质上就是"用自然语言编程"——而这恰恰需要你已有的工程能力：
你有代码功底 → 理解Function Calling、工具调用、API集成，比零基础快10倍
你有系统设计经验 → 设计多Agent协作架构、状态管理、错误处理，逻辑一脉相承
你懂工程化 → 部署、监控、性能优化，这些AI项目同样需要
你理解数据 → RAG系统的数据清洗、向量检索、效果调优，你的DB经验直接复用
说白了，你已有的能力是资产，不是沉没成本。差的只是"AI这一层"的认知和工具链。
学完之后，你值多少钱？
转型 从传统后端/前端转AI应用开发，打开薪资天花板，跳槽议价权拉满
升职 在现有团队主导AI项目落地，从"写代码的"变成"定方向的"
独立 用Agent开发能力做SaaS产品、接AI外包项目，技术变现多一条腿
不可替代 当AI能写CRUD了，你是那个"用AI写代码"的人，而不是"被AI替代"的人
这不是危言耸听。GitHub Copilot已经能写出70%的CRUD代码了，纯执行层面的程序员价值在快速缩水。但"能用AI构建AI应用"的人，目前严重不够用。
这门课会教你什么？
面向有编程基础的开发者，从AI大模型应用开发的工程实践出发：
✅ 大模型API调用与Prompt工程实战
✅ RAG系统搭建：从数据处理到向量检索全流程
✅ Agent开发：Function Calling、工具链、多步推理
✅ 多Agent协作与工作流编排
✅ 真实项目落地：从需求到部署的完整工程链路
不讲虚的，全是能直接用在项目里的东西。
🚀 AI大模型应用开发课程
有编程基础？这就是你的下一个赛道
“程序员最大的风险，不是技术过时，而是用旧技术赚新钱的心态。”
你可能还在想"再等等看"——但AI这个赛道，窗口期就这么长。
等大模型开发变成"标配技能"的时候，你就不是先行者了，而是追赶者。
你有技术底子，这是你最大的优势。别浪费它。
