AgentAlpha · 面试间← 返回主站

公司题库 · 字节跳动

字节跳动大模型 Agent 面试题

豆包大模型与 Seed 团队、扣子（Coze）Agent 平台、飞书场景，Agent 应用与推理部署岗位多。

题目口径：来自 字节、Seed、豆包、扣子、Coze 等公开渠道的面经与岗位 JD 高频归纳，不是内部真题。 按大家实际被问到的方向整理，每题一页带答案与追问。

Q · 上下文压缩必然丢信息，怎么把丢失降到最低？降低丢失的核心是分层保留与结构化提取，将不可丢弃的约束常驻系统区，对历史对话做带引用锚点的摘要，并保留外部原文以便随时回溯。
Q · 从零构建一个 Agent Benchmark 要做哪些事？构建Agent Benchmark的核心是确保评估客观且可复现，需要依次完成定义任务域与自动校验标准、搭建可重置的沙箱环境与数据集、设计成功率与过程指标，并做好人类基线校准与防数据污染。
Q · Agent RL 的奖励怎么设计？Outcome、Process、规则奖励各适合什么场景？Agent RL 奖励设计采用组合策略，以结果奖励为主导，规则罚分作兜底，过程奖励辅助冷启动。结果奖励适合结果可校验的任务，过程奖励解决长链路信号稀疏问题，规则奖励用于格式和权限约束。
Q · 实时语音 Agent 的链路是什么？流式 ASR 和 TTS 怎么拼？实时语音链路分级联和端到端两类，流式拼接的核心是服务端 VAD 断句与客户端回声消除配合实现全双工打断，底层首选 WebRTC 避免 TCP 队头阻塞。
Q · 什么是 MCP？它的核心内容是什么？MCP 是 Anthropic 2024 年底推出的开放协议，解决工具接入碎片化：工具按协议实现一次、任何支持 MCP 的客户端都能复用，三层核心是 Host/Client/Server 角色、Tools/Resources/Prompts 能力、JSON-RPC 2.0 通信。
Q · Agent Skill 是什么？它和 prompt、MCP 工具有什么区别？Agent Skill 是把指令、脚本、模板打包成可被自动发现、按需加载的能力包机制，Anthropic 2025 年 10 月推出、12 月开放标准；它不是保存 prompt，MCP 给能力、Skill 教用法。
Q · 线上跑的 RAG 怎么衡量效果好不好？分两层：检索层用 Hit@K 看该召回的有没有进前 K、MRR 看排多前，生成层用忠实度、答案相关性、上下文召回率这类 LLM 裁判指标；线上最终看点踩率、追问率、转人工率。
Q · Agent 记忆为什么要分级？多级架构的必要性怎么讲清楚？记忆分级是为了在生命周期与访问成本之间做平衡。单级架构无法同时解决窗口限制、检索损耗与成本控制问题，多级架构通过冷热数据分离实现了各级存储的高效协同。
Q · 多个 Agent 同时改同一个文件，怎么避免冲突？默认把同一文件的写操作串行化，再用版本检查、最小补丁和显式合并处理并发，写后通过测试校验，冲突就回滚并重新规划。
Q · 知识有时效性，向量检索怎么处理时间衰减？可以给检索分数加上时间衰减函数，或采用新旧双路召回融合。同时要在写入侧维护文档的失效期元数据，并按文档类型配置不同衰减强度，避免误伤长期稳定的概念类知识。
Q · 把内部文档接进 RAG，文档权限怎么带进检索链路？核心原则是权限过滤必须发生在检索阶段之前或之中。通过给 Chunk 附加权限元数据或按权限域隔离物理分区，检索时传入用户身份在引擎做标量过滤，并在生成侧做好引用脱敏兜底。
Q · MCP 的 stdio 和 Streamable HTTP 传输是怎么回事？让你实现一个 MCP server 要做什么？stdio 用于本地零网络开销的子进程通信，Streamable HTTP 负责远程服务并支持 SSE 流式返回；实现服务端需处理握手，用协议原语暴露工具，实际开发多用 FastMCP 完成注册。