程序员面试专题库

Agent 从聊天演示走向生产后，长任务必须具备队列、状态机、租约、取消、恢复和结果持久化能力。

Agent 接上工具后，风险从回答质量扩展到真实副作用。参数、权限、幂等、审计和人工确认必须进入后端设计。

评测集不是攒一堆问题，而是覆盖真实任务、历史坏例和边界场景，让每次改动都有回归依据。

长任务 Agent 要像工作流系统一样管理状态，不能把执行进度只放在一次模型上下文里。

Agent 的能力不只在能拆任务，而在计划能被约束、执行能被审计、反思不能无限循环。

AI 项目要从模型效果走向业务闭环，能说明指标、反馈、坏例、迭代和监控，才像真实上线系统。

结构化输出不是让模型“按 JSON 返回”这么简单，后端必须承担解析、校验、重试、降级和审计。

Agent 项目真正难的是让模型动作可控、可审计、可恢复，而不是把几个函数接给模型。

微调和提示词不是谁更高级，而是分别适合解决不同问题。面试里要先讲业务目标、数据条件和评估方式。

大模型应用真正难的是评估。面试里要讲清好答案如何定义、坏例如何积累、上线后如何持续发现问题。

AI 后端不是把模型接口接通就结束，面试官更关心上下文、工具调用、失败处理、成本延迟和可观测性。

大模型应用面试不是炫模型名，而是讲清你如何把不稳定的模型输出变成可用的业务系统。