带了个应届生准备 Agent 面试,追到第三轮他就说不出话了

上周六下午，我给带的一个学弟做模拟面。

他 26 届，双非本科，计算机科班，没有实习经历，秋招主投 Agent 开发。简历上两个项目，关键词一个不落：LangGraph、RAG、MCP、工作流编排、记忆系统——凡是这两年热门的，都在上面。🔧

第一轮聊得挺顺。我让他挑一个项目讲，三分钟讲完：知识库怎么建的、工具怎么接的、链路怎么串的，条理比很多工作两年的人还清楚。

第二轮我开始往细节里钻。

"你那份文档，是按什么粒度切的？"

"就……按字数切的，每 500 字一段。"

"为什么是 500？为什么不是按标题、按段落，或者按语义切？"

他停了几秒。

第三轮，他基本就剩下三句话了：

"这块是参考网上一个开源方案改的。" "工具调用那部分，我当时主要负责对接接口。" "具体细节我记不太清了。"

——这三句话，去年我自己面试的时候，在心里默念过无数遍。😮‍💨

我不是想说他不行。

恰恰相反，他学东西比我当年快太多了。RAG 的原理、LangGraph 的节点怎么编排、MCP 解决的是什么问题，讲起来头头是道，新框架出来也跟得上。

问题出在另一个地方：项目写成了生产系统的样子，讲出来却只有一条 Demo 的流程。⚠️

很多同学都卡在这一步。不是没做，是做的时候从来没想过"这东西真上线会怎么坏"。所以面试一被往深了追，就只能一路往回退。

下面这四层，是我带他复盘时逐条过的内容。你简历上要是也写了 Agent 项目，可以照着对一遍。

一、先说 RAG：四问里有三问答不上，项目就等于白做

他的第一个项目是"基于 RAG 的售后知识库问答"。我按面试官的习惯问了四个问题。

第一问：文档怎么清洗、怎么切的？为什么按固定字数，而不是按标题、段落或语义？

他答的是"直接 RecursiveCharacterTextSplitter，500 字一段，重叠 50"。

这就是典型的"跑通了，但没想过为什么"。

实际做的时候，光清洗这一步就得花掉一半时间：PDF 转出来的页眉页脚、目录页、"详见第 X 章"这种只有指向没有内容的句子、被拆散的表格行、乱码——这些东西不清干净，后面切得再漂亮也没用。

切分更不能一刀切。他的知识库是 Markdown 写的帮助文档，正确的做法是按标题层级切：一个二级标题下的一整块内容是一个完整语义单元；遇到代码块和表格整体保留，实在太长再二次切，切的时候把标题路径拼在 chunk 前面，这样召回的时候模型知道这段出自哪个章节。

按 500 字硬切会发生什么？一条完整的"退换货流程"被从中间劈开，前半段在 chunk A，后半段在 chunk B。用户问"七天无理由怎么退"，召回只召回了一半，模型拿半份流程去回答——你还会觉得这是模型的问题吗？

第二问：检索效果不好，你怎么判断是召回的问题、重排的问题，还是生成的问题？

他愣住了。

这是最好用的一道题，因为它考的不是知识点，是你有没有排查过。

我的排查顺序是这样的：先攒一个几十条的小测试集，人工标注每条问题对应的正确 chunk。

• 正确 chunk 根本没出现在 top-K 里 → 召回段的问题，去查切分粒度、embedding 模型、要不要加 BM25 混合检索；

• 正确 chunk 在 top-K 里但排在后面 → 排序段的问题，上 rerank；

• 正确 chunk 排在第一位，答案还是错的 → 生成段的问题，去改 Prompt、改输出约束，或者老实承认这条就是模型的锅。

三个段的优化手段完全不同。不分青红皂白地说"加个 rerank"，在面试官耳朵里跟"我上网抄了个方案"没有区别。

第三问：用户问到知识库里没有的内容，系统是硬着头皮答，还是有兜底？

他答："应该会回答吧，模型自己会判断。"

这句话在面试里说出来，基本就是给自己判了死刑。🎯

模型不会"自己判断不知道"，它只会给你编一段看起来很合理的答案。所以必须显式兜底：给相似度设阈值，低于阈值就不走生成，直接返回"知识库里没有这部分内容"，同时把最相近的几个条目入口列出来，或者一键转人工。

在问答类场景里，"我不知道"不是缺陷，是功能。

第四问：有没有记过 Bad Case？优化前后的指标分别是多少？

他一条都没记过。

这一步是最容易补、也最容易被忽略的。他后来花了一周，攒了 60 条真实问题做成测试集，每次改完跑一遍，把四个数记下来：命中率、拒答率、答案可用率、平均响应耗时。

改了切分策略之后，命中率从 61% 到 84%；加了拒答阈值之后，答案可用率从 58% 到 87%。

没有这两组数字，前面所有的优化都叫"我感觉变好了"。

二、再说工具调用：别只说"模型能调天气和搜索接口"

他简历上写的是"Agent 自动调用订单、物流、库存接口完成任务"。

我只问了一个场景：你给我讲一次它调用失败的真实经历。

这四个追问，你至少要能答上三个👇

模型生成的参数不符合 schema，怎么办？

不能只靠 Prompt 里写一句"请输出合法 JSON"。要用 JSON Schema 或 Pydantic 把参数结构显式声明出来，模型输出之后先校验，校验不过就把报错信息回传给模型让它重试一次，还不过就终止这次调用。

下游服务超时，重试几次？

他的答案是"失败了就重试"。这就是没做过线上的人说的话。

无脑重试会把下游打崩——尤其是下游本身就在抖动的时候，你重试得越勤，它恢复得越慢。合理的做法是错误分类：网络抖动、5xx、限流这三类可以重试；参数错误、权限不足、业务校验失败这三类重试一万次也是错的，直接返回。可重试的走指数退避（1s、2s、4s），设重试上限（一般 2-3 次）。

连续重试还是失败，是返回默认结果，还是转人工？

这题考的是业务判断。查优惠券规则失败，可以降级成"当前优惠信息获取失败，请以下单页为准"；查库存失败，绝对不能返回"有货"——那会造成超卖。涉及金额和承诺的操作，一律转人工，并且把前面已经拿到的上下文一起带过去，别让用户从头讲一遍。

工具执行成功了，但返回字段缺失，后面的模型会不会继续编？

这是最隐蔽的一个坑。工具返回 {"order_status": null} 或者干脆少一个字段，模型拿到残缺的结构，会非常自然地帮你"补"一个合理的值出来。

所以返回之后一样要校验：必填字段在不在、类型对不对、值在不在枚举范围内。缺了就明确告诉模型"这个字段没拿到，不要用推测值"，而不是让它自己脑补。

一个能落地的工具调用，标准配置是这么一串：参数校验 → 错误分类 → 超时控制 → 指数退避 → 重试上限 → 降级 → 人工兜底。

他原来的答案只有一句"加个 try-except"。

我直接跟他说了：try-except 只能证明你的代码没当场崩，证明不了这个系统可靠。面试官问的是后者。⚙️

三、然后是记忆：很多同学写了"做过多轮记忆"，却说不清上下文为什么失效

他项目里接了一个 memory 模块，我问他：用户聊到第十三轮，前面说过的"我是学生，没有企业邮箱"被模型忘了，你觉得是哪一步出的问题？

他答："应该是上下文太长了。"

只对了一种可能。实际情况要分四种排查：

• 上下文窗口被塞满
  ，早期的关键信息被挤出去了；

• 历史消息没有做摘要压缩
  ，十几轮闲聊把窗口全占了；

• 长期记忆没有分层
  ，什么都往一个池子里丢，召回的时候一起涌进来；

• 召回策略有问题
  ，把无关的历史片段拉了进来，反而把关键信息挤掉了。

面试的时候，把记忆拆成三层讲， instantly 就不一样：

短期记忆：只放当前任务这一轮在做什么、已经拿到哪些中间结果；摘要记忆：放这一路对话里已经被确认过的关键信息，滚动压缩；长期记忆：只放稳定、可复用的用户事实，比如身份、偏好、历史订单特征。

然后主动补三句，基本就没人能挑出毛病：

• 哪些不该记
  ：一次性验证码、情绪化的抱怨、这一轮的中间推理过程，全都不进记忆；

• 什么时候更新
  ：用户明确纠偏时立刻覆盖，一轮任务结束时批量落摘要；

• 召回之后怎么控长度
  ：摘要层设 token 上限，长期记忆按相关性只回 Top-N 条事实，不要全量拼接。

讲完这三条，面试官就知道你不是"调了一个 memory 接口"。🧠

四、最后是工作流与工程稳定性

他最后一个项目用了工作流编排。我问他：Agent 反复调用同一个工具停不下来，你怎么处理？

他说"设了最大步数"。

最大步数是最后一道保险，不是解决方案。真正的做法是：

记录每一次工具调用的工具名、参数哈希和执行结果，检测到相同的调用连续出现两次，直接打断这一步，让模型换个思路或者转人工——不然它能在那绕二十轮，最后烧掉你一大笔 Token。

关键节点要有日志。一个请求进来，走到哪一步、调了哪个工具、耗时多少、消耗多少 Token、最终走了哪条分支，全都要能查。出了问题要能把整条异常链路重放一遍，不然线上事故你根本定位不了。

每次优化都要留下 Bad Case。改了切分就记一条"这条之前召不回，现在召回了"；改了 Prompt 就记一条"这条之前会编造，现在会拒答"。攒够几十条，你的项目就有了"证据链"。

我跟他讲：面试官不在乎你用了几个框架，他在乎的是你能不能讲清楚——一次失败、一次排查、一次优化。

后来他照着这四层，把项目从头到尾重做了一遍。清洗脚本重写了，切分改成按标题层级，加了混合检索和 rerank，四个工具全补上了参数校验和退避重试，记忆拆成三层，最后接了一套简单的调用日志。

一个月后他去面携程的 Agent 开发岗，回来跟我说：面试官问的问题，几乎全在模拟面里出现过。最后拿到了 offer，base 25K×15。🎉

面试前，按这四层把项目重新整理一遍

数据层：数据从哪来？怎么清洗、怎么切分？切完之后怎么评估好坏？工具层：参数错了怎么办？接口超时怎么办？连续失败是降级还是转人工？返回字段缺失会不会导致模型编造？记忆层：上下文怎么压缩？关键信息怎么召回？什么该记、什么不该记？工程层：日志怎么打？重试怎么控？成本怎么算？兜底和 Bad Case 怎么做？

你不需要把所有框架都塞进简历。真正能拉开差距的，从来不是框架清单的长度，而是你能不能把一次失败、一次排查、一次优化讲清楚。

别再只准备"项目是怎么做出来的"。

还要准备"它为什么会出错，以及你是怎么修好的"。🔥

我自己也是 25 届双非，去年这个时候被追问得下不来台。现在在职做 Agent 开发，业余带了几个准备校招的同学——他们踩的坑，跟我去年踩的一模一样。

如果你现在也卡在这一步，不知道该补哪块，可以说句"路线清单"📩，我把应届生 Agent 面试的高频追问、项目拆解模板和学习路线整理成一份清单，面试前照着逐项补齐，比再刷十个教程有用。