某中型AI设备研发AI Agent开发岗一二面面经（已拿offer）
耄耋之王园区形态
2026-06-17 13:34
阅读6472
趁对话记忆还没转到summary状态分享一波，5-10年经验档位基本还是项目上的问题为主全程无八股。本人年纪是过35的，好不容易拿到这个保底。公司是研发AI产品的甲方自研，岗位聚焦公司内部AI提效。驴算找到了下一阶段工作就是继续找马，抓紧这波AI大航海时代的节奏。
事先声明：这篇面经含糖量极高
面试概况
- 岗位方向：AI Agent 开发
- 一面：双面试官，线上飞书，约 50min，技术初筛
- 二面：现场，约 55min，偏技术深度 + 场景设计，和一面相同面试官
- 三四面略，HR 和 Boss 面常规
一面面试问题
- 自我介绍 + 最近做过的项目介绍
- 项目的整体架构是什么样，你做了哪些 AI 提效工作
- 说说项目里的一些技术栈和具体的运用，以及介绍一些运维工作内容
- 团队规模简单介绍下，人员构成和分工情况
- 云原生相关服务器怎么部署有了解吗？简单说下
- 实时监控工具是怎么搭的？用了什么技术
- 你之前软件有哪些安全策略，本地安全排查怎么设计
- 讲讲你们之前项目 RAG 是怎么做的
- 说说你们 AI Agent 项目 LangGraph 怎么搭的
- 说一下你对 AI Agent 和 LLM 的深度理解
- AI 在系统运维有哪些运用
- 平时用的 AI Vibe Coding 工具有哪些，有什么好的使用建议
- 如果大数据做 AI 化你有什么好的想法？
- 项目中遇到什么问题？怎么解决的
- 讲讲你之前系统数据规模，有哪些并发场景
- 根据简历问了一些指标问题（兄弟们面试前简历要过一遍尤其是指标，不然这里容易吃亏）
…… 一面我个人总结下来还是偏商务，大概也能知道他们想做的是 AI 运维系统，问的比较杂更像技术初筛
二面面试问题
- 项目部分又深扒了一下
- 当初大模型选型看重的是什么角度和指标？具体说下
- AI 系统设计场景题 1：大概是给定一些数据，怎么落到向量数据库那边
- AI 系统设计场景题 2：如果要设计一个 XX 一样的系统，你的 AI 改造想法是什么？怎么一步步实现功能
- 顺着简历问了下一些项目功能的实现细节
- 介绍了一个公司内部的软件，有什么 AI 提效的想法，简单实现让我说一下
- LLM 参数规模和微调的事大概问了下
- 对 context engineering 的理解，上下文压缩技巧和原理
- 我有一些接口，想做一个和 XX 系统的对接具体怎么实现？团队如何分工开发如何部署简单说下
- 参数指标方面二次拷问，怎么进一步优化
- 如果整套系统重构 AI 怎么设计都有哪些难点
- 项目里 prompt 是怎么优化的，优化后的效果具体说下
最后 10 分钟基本上闲聊了，估计面试官那边也有底了最后反问环节。
…… 先回忆起这么多问题了，二面开始偏运动了，还是之前的面试官，原来之前搁那边装唐呢。我也部分装唐其实不是我想装，是我真没想过类似的场景，好在有模板可以套
我的面试总结
这次整体感受是 AI 初年的面试没有想象中那么变态，问的 resource 层面其实不多，主要就围着那几个框架转：RAG、Transformer、LangChain、LangGraph，再加上 AI Agent 的一些基础知识和模型选型、微调。当然要看你总包要多少，要得越高难度才会指数级上升，你再指数级退避装唐就行。
场景设计部分：
- 数据落到向量数据库那道题，我提了 LangGraph + LangChain 结合的方案，然后讲了怎么设计各个 state 和条件边路由，又讲了对应工具怎么设、怎么按需调取，顺便把多路调用、断点重试、Guardrails 输入输出安全机制这些也塞进去了。
- 设计内部提效系统那道，对面的软件我连名字都没印象，还现问了一下详情。然后我顺着主要功能，先拆解出具体功能点的 AI 实现方式，又讲了怎么用 AI 整需求文档和方案设计，然后继续套到熟悉的 LangGraph 架构上，说了一些 state 设计要点，再分解功能，讲怎么设计 AI 工具和 Skills。不熟悉的我就套模板，这关算是惊险过去了。
其他技术点：
- 实时监控工具的部分，还好 AI 零代码最后几章有看到，能接住。
- 模型选型、context engineering 和上下文压缩、prompt 优化这些，基本都围绕项目实际效果去讲，优化前优化后对比着说。
- 一面偏商务，问得很杂，但也能感觉到他们想做的是 AI 运维系统。二面就直接上强度，场景设计题很吃现场拆解能力和模板套用能力。
一些个人心得：
多学 AI 相关的知识和 Vibe Coding 就完事了。多面几次，话术和理解自然就能逻辑自洽、自圆其说。偶尔装下唐，不熟悉的就先请教下面对，给面试官一个显摆的机会，然后再说自己的看法和技术层面的见解，营造一种组内技术探讨的氛围。不过这招要慎用，不同面试官不同策略，我这次刚好赶上吃这套的。
写在最后
这次有保底offer就不慌了，后面就是继续战斗爽，万事开头难加油吧大家！拿到offer其实我内心反倒毫无波澜，开始反思是不是之前的面试从第三人称视角看，自己就是个唐人。唐了就多学多看多练说话多面试多么复盘多大点事，自在极意要么就是运气差就这么简单。
评论
问答助学
相关内容
0个评论
全部评论
点击登录，快来和大家讨论吧～
表情
图片
暂无评论
作者分享
Day 91
✅ 今天做了：
1. 继续深挖底层原理 --- 回归《AI》作为基石常看常新
2. 挖一些外网的AI热点和资料 --- 重点在Hermes
3. 重新透彻的了解Hermes底层原理
「小步跑，小突破，慢慢集气汇聚成必杀」
⏰ 下周计划：
1. 上班继续清技术债
2. 之前Hermes代码编排器虽然成了，但只知其然不知其所以然继续深挖
3. LangGraph和飞书卡片结合项目搞完 --- 目前个人最亮点项目
「工作和之前的玩具结合起来，双向奔赴双向赋能」
📚 今日感悟：
8月了重拾学习计划，将目前自身Skills和对AI理解深度继续扩展。时刻保持警惕，持续学习且只抓重点。
3
不知不觉加入编程导航一年了，从原始人到造航母。一年前来的时候是想重拾编程信心，吭哧瘪肚的学项目。现在这时候已经进入AI行业天天Vibe Coding，Crazy我只能说！
3
Day 90
三个多月AI学习终于迎来新篇章，我管这叫大AI时代和大航海一个意思
✅ 今天做了：
1. 继续深挖底层原理 --- 回归《AI》作为基石常看常新
2. 挖一些外网的AI热点和资料 --- 拓展思维
3. 继续Vibe Coding尝试 --- Loop自动编码器持续优化，和“一键素材成文”开放MCP（未来给公司营销用的，只需投素材再回答几个问题，然后AI炼化多agent配合多端发文）
「小步跑，小突破，慢慢集气汇聚成必杀」
⏰ 下周计划：
1. 上班继续清技术债
2. 用AI突破5个定向场景和虚拟场景定制AI自动工作流
3. 修之前AI项目的漏洞
4. 继续丰富MCP，SKILL，CLI市场
5. 优化现有的需求场景进一步从能用到好用跨越
「工作和之前的玩具结合起来，双向奔赴双向赋能」
📚 今日感悟：
纪念一下三个月的AI学习，可能是人生中最有意义的三个多月之一。有种工具火耕刀时代跃进到信息时代的感觉，我个人开始大范围用AI也是今年的事，然后就干AI了。话到这里反倒没有太多感慨，只能说AI时代太神奇了，一学一个不吱声就完事了。
2
Day 89
✅ 今天做了：
1. 继续琢磨更多MCP工具，公司里搭了个超级智能体飞书打通了，剩下的就是优化完善
2. 继续看AI底层原理，这个对智能体的优化太重要了，模式思维LangGraph都能给业务赋能的
3. 研究一些AI服务的优化，尤其是挂Hermes的云主机怎么节省token
4. 补一些之前鱼皮的项目，主要是架构设计更好的指挥AI
⏰ 明天计划：
1. 优化自动LOOP编码器，实测发现了几个空烧token的场景
2. 研究下之前玩具Vibe Coding项目的一些底层亮点
3. 看AI基础知识
📚 今日感悟：
入职快一个月了也搞了很多东西，也搞了一些业务那边的AI自动化需求，总体很满意的。总算能用的上了，下面就是往好用稳定性高上突破。现在公司运维大佬和我一个组，安排的太好了，资源调配吱一声就有了。剩下的就是合理运用现有公司资源，搞一些Agentic AI的尝试，底层我再好好摸摸大模型原理。
4
Day 88
✅ 今天做了：
1. 旧项目完成 MCP 协议封装，工具调用接口已通，Agent 可调本地能力了
2. KIMI3 上手实测，长上下文压缩确实有东西，推理速度比预期快，99元裆走起
3. Token Plan 实机压测跑完，长文本场景下不同策略的消耗和精度损失有了量化对比，数据到手。
⏰ 明天计划：
1. 把今天 Token Plan 的测试结果整理成可复用的小工具，纳入 LOOP 编排器。
2. 啃一下 MoE（混合专家）路由逻辑，搞懂 KIMI3 这类模型怎么做条件计算。
3. 用 MCP 搭一个最简单的 Agent 链，把扫码采集 → 本地编排 → 模型推理串起来跑一遍。
📚 今日感悟：
实测才是照妖镜，纸上参数和实机表现经常两码事。MCP 包完那刻才真切感受到——能力必须可被调用，才有资格谈“被 Agent 使用”
3
