是时候准备面试和实习了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

• 《大模型面试宝典》(2026版) 正式发布！

喜欢本文记得收藏、关注、点赞。

岗位：大模型Agent应用算法岗

bg：南京大学 CS硕士

一面

1. 自我介绍，重点说明在大模型Agent、NLP大模型算法相关领域的经验。

2. 你对大模型Agent的核心技术模块的理解，各模块的核心功能、技术难点是什么，以及各模块之间的联动逻辑的，如何协同支撑Agent完成复杂任务。

3. 谈谈大模型的微调、提示工程与Agent算法设计之间的关联，结合具体场景说明如何通过微调或提示优化Agent的推理效果。

4. 对AutoGen、LangChain、LangGraph等Agent框架的使用经验，包括框架的核心优势、局限性，结合具体项目说明你如何基于框架进行算法设计、二次开发或优化，解决了什么实际技术问题，优化前后的效果对比如何。

5. 对Agentic Search（智能体搜索）的理解，它与传统搜索、大模型检索增强生成（RAG）的核心区别是什么？其关键技术点有哪些，你在相关方向有哪些实践经验。

6. 你认为大模型Agent在落地过程中，最容易遇到的技术瓶颈是什么（如推理效率、结果对齐、上下文管理等），请你提出对应的解决思路。

7. 数据结构题：二叉树的层序遍历（要求非递归实现，输出每一层的节点值，区分层级，考虑空节点的处理场景）。

8. 数据结构题：LRU缓存机制（要求实现get和put操作，时间复杂度O(1)，说明设计思路、数据结构选型理由）。

二面

侧重技术深度、项目落地与问题解决能力，约1小时

1. 简洁自我介绍

2. 介绍一个你主导或核心参与的大模型Agent相关项目，包括项目背景、业务目标、核心技术难点、你设计的算法方案、落地过程中遇到的问题及解决方案。

3. 针对Agent的Memory模块，请详细说明：短期记忆、长期记忆的存储方式、更新策略、检索机制分别是什么；如何优化Memory的检索效率和准确性，适配长上下文场景；如何避免Memory冗余，提升Agent的推理连贯性。

4. 在Agent推理过程中，“推理断层”“结果与目标偏离”是常见问题，请结合具体技术或你的实践经验，说明如何解决这类问题？

5. 请谈谈你对Tool Usage模块的理解，如何设计Agent的工具选择策略，如何解决工具调用过程中的兼容性、准确性问题，结合具体场景举例说明。

6. 你是否有参与过Agent系统的工业级架构设计？

7. 聊聊论文发表经历，请简要介绍论文的核心思想、研究方法、创新点，以及论文成果如何与大模型Agent的实际应用结合；

8. 数据结构题：两数之和II - 输入有序数组（要求时间复杂度O(n)，空间复杂度O(1)）。

9. 数据结构题：合并K个升序链表（要求优化时间复杂度，说明至少两种实现方式（如暴力合并、分治合并、优先级队列合并）的优劣，分析各方式的时间、空间复杂度）。

三面

侧重前沿视野、创新能力，约1.5小时

1. 自我介绍

2. 针对多模态Agent，你认为其核心技术难点是什么？谈谈如何推动多模态Agent在实际业务中的落地，提出具体的技术思路或方案。

3. 请详细说明如何针对Agent的长上下文场景，优化推理算法架构？具体的技术方案。

4. 针对Agentic Search，请谈谈你如何进行端到端优化

5. 你关注大模型Agent领域的哪些前沿技术趋势（如多智能体协作、Agent与工具生态的深度融合、低资源场景下的Agent优化等）？

6. 请举例说明，你如何从实际业务问题出发，解决复杂的技术挑战。

7. 结合我们团队的业务，你认为可以在哪些方向进行技术创新和突破，提出具体的思考或建议。

8. 数据结构题：字符串解码

9. 数据结构题：二叉树的最近公共祖先（要求考虑两种场景：二叉树是二叉搜索树、二叉树是普通二叉树，分别给出最优解法，说明解题思路、时间和空间复杂度，对比两种场景的解法差异）。