32 · 面试实战：系统设计、手撕题、项目讲述与速查清单
「AI-Agent 面试深度指南」· 模块八 · 后训练、RL 与面试实战 · 第 32 篇 / 共 32 篇
引言
知识储备与面试表现之间隔着一堵墙：你懂的东西，未必能在 60 秒内有条理地说出来。本篇是整套指南的"输出层"——把前面 31 篇的知识，转换成面试现场能直接使用的答题框架、代码模板与讲述结构。
三部分：系统设计题的通用解法、三道高频手撕题的可运行骨架、以及项目经历与速查清单。
一、系统设计题：五步法
1.1 Step 1：澄清需求（2 分钟）
必问的六项：用户量级与并发、可接受延迟与成本、成功率目标、是否需要人工兜底、是否涉敏感数据与合规、知识来源与更新频率。
不要急着画架构——先问清边界。面试官考察的第一件事就是你会不会问问题。
1.2 Step 2：总体架构（画出来）
接入层（HTTP/SSE）
→ 意图路由（小模型）
→ 编排层（计划/状态机）
→ 执行层（工具集：检索、业务 API、工单、人工转接）
→ 验证层（约束检查 + 评委）
→ 输出层（引用、结构化结果）
旁路：日志/trace、评测、成本统计、权限与审计
1.3 Step 3：挑三个点深挖
不要平均用力，选三个能体现深度的点展开：
- 上下文：稳定前缀、压缩、按需加载、缓存命中；
- 可靠性：危险操作 HITL、幂等、失败分类重试、降级路径；
- 评估：自建集、pass^k、失败归因、CI 回归。
1.4 Step 4：权衡与演进（体现功力）
- 先单 Agent + 好提示词做基线，再按需加规划/反思/多 Agent；
- 多 Agent 只在有信息增量时使用，且要用 A/B 证明值得；
- 成本：小模型路由 + 缓存 + 减轮数；
- 冷启动：先用规则与模板兜住高频问题，逐步让 Agent 接管。
1.5 Step 5：准备三个追问
- “怎么保证不胡说？” → 只基于检索内容回答 + 引用 + 无证据时拒答；
- “怎么防止越权？” → 工具权限分级 + 用户身份贯穿 + 执行层校验；
- “怎么评估？” → 三层：组件级（recall@k）、任务级（pass^k + 成本）、业务级（人工介入率）。
加分动作：主动讲一个你踩过的具体坑（工具爆炸、上下文膨胀、评估造假）与解决办法。
二、手撕题一：ReAct 主循环
def run_react(question, tools, llm, max_steps=8):
messages = [{"role": "system", "content": SYSTEM},
{"role": "user", "content": question}]
trace, seen = [], {}
for step in range(max_steps):
reply = llm(messages, tools=tools.specs())
call = reply.tool_call
if call is None:
return reply.content, trace # 收尾
if call.name not in tools: # 工具不存在
messages.append(tool_msg(call.id,
f"错误：无此工具。可用：{list(tools)}"))
continue
key = (call.name, json.dumps(call.args, sort_keys=True))
if key in seen: # 重复调用
messages.append(tool_msg(call.id,
"已用相同参数调用过，请换方法或说明无法完成"))
continue
seen[key] = 1
try:
result = tools[call.name](**call.args)
except Exception as e: # 结构化错误回传
result = f"执行失败：{type(e).__name__}: {e}；请修正参数重试"
messages.append(tool_msg(call.id, truncate(str(result))))
trace.append({"step": step, "call": call, "result": result})
return "达到最大步数，已知信息如下：", trace # 部分回答
评分点：轮数上限、重复检测、错误回传（而非抛异常）、结果截断、轨迹记录、耗尽时的部分回答。
三、手撕题二：检索与重排
def rrf_fuse(rank_lists, k=60):
scores = {}
for ranks in rank_lists:
for i, doc_id in enumerate(ranks):
scores[doc_id] = scores.get(doc_id, 0) + 1.0 / (k + i + 1)
return sorted(scores.items(), key=lambda x: –x[1])
def retrieve(query, vec_index, bm25, filters, topk=50):
dense = vec_index.search(embed(query), topk, filter=filters) # 语义
sparse = bm25.search(tokenize(query), topk, filter=filters) # 关键词
return [d for d, _ in rrf_fuse([dense, sparse])][:topk]
def rerank(query, docs, cross_encoder, topn=5):
scores = cross_encoder.predict([(query, d.text) for d in docs])
ranked = [d for _, d in sorted(zip(scores, docs), key=lambda x: –x[0])]
return dedup_by_parent(ranked)[:topn]
必须补的细节：过滤要在召回阶段做（pre-filter）；去重相邻块；控制 token 预算；召回为空时降级。
四、手撕题三：并发、限流与重试
class TokenBucket: # 限流
def __init__(self, rate, capacity):
self.rate, self.capacity = rate, capacity
self.tokens, self.ts = capacity, time.time()
def acquire(self, n=1):
now = time.time()
self.tokens = min(self.capacity,
self.tokens + (now – self.ts) * self.rate)
self.ts = now
if self.tokens < n:
time.sleep((n – self.tokens) / self.rate); self.tokens = 0
else:
self.tokens -= n
def retry(fn, retries=3, base=0.5): # 退避重试
for i in range(retries):
try:
return fn()
except RetryableError: # 超时/限流/5xx
if i == retries – 1: raise
time.sleep(base * 2**i + random.uniform(0, .1)) # 抖动防惊群
except FatalError: # 参数错/权限不足
raise
必答要点：区分可重试与不可重试；加抖动；设超时；写操作用幂等键；并发结果按原顺序回传；连续失败要熔断。
五、项目经历：四段式讲述
5.1 结构：背景 → 难点 → 方案 → 数据 → 复盘
背景（30 秒）：业务是什么、谁用、原来怎么做、为什么需要 Agent。
难点（决定含金量）：不要说"模型不够聪明"，要说具体工程问题。例如：工具从 20 涨到 200 个后调用准确率从 93% 掉到 71%；长任务刷新页面就丢状态；检索召回差导致业务方不敢用。
方案（分层讲）：架构图 + 四要素（上下文怎么组织、工具怎么治理、怎么保证可靠、怎么评估）。
数据（最有说服力）：成功率（说明口径与样本量）、成本/延迟变化、业务指标（人工介入率、处理时长）。
复盘（展示深度）：做错了什么、重做会怎么改、还差什么。
5.2 简历写法对照
反例：“负责智能客服 Agent 开发，使用 RAG、ReAct、多智能体技术。”
正例：“主导智能客服 Agent 从 0 到 1 上线。针对 300+ 工具导致调用准确率仅 72% 的问题，设计分组按需加载 + 语义检索的工具治理方案，准确率提升至 93%，单轮工具选择 token 下降 40%；构建 420 条生产回流评测集与失败归因流程，平均排查时长从 2 小时降至 20 分钟。”
检验标准：每一条都能被追问三句而你答得上来。
六、速查清单（考前自查）
能答出 80% 即可上场：
七、行为面试与反问
STAR 结构：情境（一句话）→ 任务（目标与约束）→ 行动（你做的决策与取舍）→ 结果（量化 + 复盘）。每个故事都要有一个具体决定和它的代价。
反问环节（加分项，不是走过场）：团队现在 Agent 系统最大的瓶颈是什么？评测体系怎么建的、失败案例如何回流？新同学前三个月负责什么？业务上 Agent 是降本还是增收、人工兜底比例多少？技术栈自研还是开源、为什么？
问"评测体系"的人和问"加班多不多"的人，给面试官的印象完全不同。
小结
技术决定下限，表达决定上限。把这套指南的知识练成"60 秒讲清一个知识点"的能力，就是秋招最稳的护城河。最后一件事：遇到不会的问题，用三步应对——承认边界 → 给出分析框架 → 说明你会怎么查证。这比硬编体面得多，也更像一个真正的工程师。
