AgentAlpha 笔记 · 第 1 辑
Agent 面试都问什么，
我们一篇篇拆过。
题目来自大厂 Agent 岗位的真实面试，每篇把一个追问从拆解写到能落地的答案。
按问题挑
四条主线，按问题分组。
每条主线收的是解决同一类问题的笔记。对上你手头的题，就从那条进。
Agentic RL
Agent 怎么从行动里学会负责
从 ReAct 讲到长轨迹强化学习，弄明白奖励、归因、rollout 和评测在真实系统里为什么会失效。
Agent 已经会 ReAct，为什么还要做 Agentic RL？
会调工具只说明流程跑得通。Agentic RL 真正要练的是环境变了怎么办：何时搜索、何时执行、何时停，失败后哪一步真正左右结果。
开始阅读Agent 做错了，二十步里到底哪一步该负责？
一条二十步的轨迹，真正改变结果的可能就两三步。credit assignment 要做的就是把这几步挑出来，而不是给整条轨迹开一张糊涂罚单。
开始阅读GRPO 训练 Agent，为什么 rollout 总把系统拖垮？
GRPO 的公式不难，难的是采出一批比得了、复现得了、成本也扛得住的 Agent 轨迹。工具、并发、超时，加上轨迹长短不齐，随时能把训练系统拖垮。
开始阅读Agent 把奖励刷满了，为什么任务还是没做成？
Reward hacking，是验收器给了个更好钻的空子。Agent 越擅长用工具，越得把奖励和真实结果分开核对。
开始阅读Code Agent
会写代码，不等于能交付
上下文、测试、权限和恢复机制没做扎实，Code Agent 就还是演示玩具，称不上可靠的工程系统。
代码 Agent 为什么总要先读仓库，再开始写？
给 Agent 喂仓库，要讲优先级：任务约束、代码入口、依赖关系、验证路径。读对地方，比读得多更要紧。
开始阅读面试官追问：代码 Agent 说测试全绿，为什么我还是不敢合并？
测试全绿，只说明这轮没抓到问题。Code Agent 还得说清改了哪里、测了哪里、哪些边界没碰到，不能丢出一行 passed 就完事。
开始阅读Code Agent 为什么不能直接给 root 权限？
权限没有一键总闸。文件、网络、进程、身份、审批五个口子要逐一设卡，而且每张卡都得能验证。
开始阅读Code Agent 跑到一半挂了，怎样恢复又不重复执行？
恢复不是把聊天记录从头再播一遍，得靠持久化状态、操作幂等键，再加上对未知结果的对账，把重复副作用挡在外面。
开始阅读Code Agent 怎样把一句需求稳稳做成补丁？
靠谱的 Code Agent 不会拿一句需求直接换一大段代码，先拆成可验证的任务，照着仓库里的证据小步改，最后分层验收，证明补丁真能交付。
开始阅读RAG
答案要有证据，证据还得查得到来路
Embedding、分块、混合检索、重排、评测一路走下来，光能回答不算数，还得答得对、说得出依据，错了也定位得了。
RAG 的证据怎样一路到答案？
把文档塞进向量库不算难。难的是对的证据能找回来、排到前面、真的被模型用上，每一环还得拿评测证明没掉链子。
开始阅读Embedding 到底把什么变成了向量？相似不等于正确
Embedding 把文本放进能比较的语义空间，可它不懂权限、时间和业务上的轻重。上手 RAG，先弄清它能干什么、干不了什么。
开始阅读RAG 分块怎么定？先别急着争 256 还是 512
每一块都得两头兼顾：检索时能被准确定位，单独拎出来也撑得住一个回答。
开始阅读混合检索和重排，分别在补 RAG 的什么漏洞？
向量检索负责把可能相关的证据捞进候选集，重排再把真能回答问题的片段顶到前面。一个管找得全，一个管排得准。
开始阅读RAG 怎么评测才不自欺？把“答得像”拆开看
RAG 评测只盯最终答案，看不出门道。数据、召回、证据引用、生成，一层层分开查，才知道系统到底掉链子在哪一环。
开始阅读RAG 选向量库，先别看排行榜：把检索目标算清楚
先定语料规模、过滤条件、更新频率、召回目标、尾延迟，再比较 HNSW、倒排、混合检索和托管服务。
开始阅读RAG 查询改写：别替用户补条件
Query rewrite、问题拆解、假设文档，都是把用户的话翻成知识库听得懂的说法。每次改写都要能回到原问，必要时能撤回。
开始阅读Graph RAG：证据要能沿关系路径找回去
遇到跨文档、跨实体、要多跳关系的问题，图结构能补上纯向量相似度的短板。节点、边、来源、时间、路径评分都得记下来，不能只织一张好看的关系网。
开始阅读LLM 基础
从一行 Attention 到跑起来的 Transformer
从 Attention、位置编码、MoE 到 KV Cache 和推理优化，把大模型的地基讲成自己能推导、也能当面说清的面试答案。
Attention 到底在算什么？从一行公式讲清上下文理解
面试别只背 Q、K、V。把 Attention 拆成找谁相关、取哪些信息、按多大权重合并，再连上 mask、多头和复杂度，Transformer 为什么读得懂上下文就清楚了。
开始阅读Transformer 为什么跑赢 RNN？别只说“因为能并行”
RNN 的过时是一步步来的：顺序依赖在大规模训练和长上下文里越来越贵。把训练、推理、位置、工程取舍分开算，才讲得清 Transformer 为什么占上风。
开始阅读MoE 为什么参数更多，推理却不一定更贵？
几个模型简单拼一起，不叫 MoE。效果和成本，看路由器替 token 挑哪些专家、容量怎么才不堵、token 又怎么分到不同设备上。
开始阅读KV Cache 缓存的到底是什么？为什么长对话越聊越贵
KV Cache 缓存每层历史 token 的 Key 和 Value，解码只算新 token；代价是上下文越长，显存和带宽越吃紧。
开始阅读大模型推理优化：吞吐、延迟和显存要一起看
推理优化没有万能开关。先把 TTFT、TPOT、吞吐、显存分开看，再挑量化、连续批处理、Prefix Cache、投机解码或并行策略，才知道自己到底改善了哪一项。
开始阅读Tokenizer 和位置编码：模型为什么不按你以为的词来读？
Token 不是字数，位置也不是给每个词贴个序号就完了。分词粒度、上下文长度、位置外推、成本体验要连起来看，才解释得了同一句话换个语言、变长之后表现为什么不一样。
开始阅读模型量化后变小了，效果和服务为什么可能变差？
量化是把权重或激活的数值精度压低，省显存也省带宽，可误差会集中砸在敏感层、长上下文和工具调用上。面试要讲得清量化粒度、校准数据、部署硬件、回退策略。
开始阅读LLM 选型：把任务、成本和失败代价放进同一张表
选模型别只盯着总榜。先列清楚哪些任务不能出错，再拿固定样本去比质量、延迟、成本、稳定性，最后才定路由和灰度。
开始阅读上下文窗口变长了，为什么 Agent 还是会漏信息？
长上下文的瓶颈，往往在关键事实能不能被定位、留下、引用。把上下文预算拆给任务、证据、工具、输出，再用中间信息测一测，才谈得上长文能力。
开始阅读LLM 训练
训练目标，最后要落成能复盘的行为变化
SFT 数据、loss mask、偏好对齐、稳定性排查，搞清楚模型是真学会了、忘了，还是只把模板背得更熟。
一条 SFT 样本怎样改变模型行为
监督微调改的是模型在特定输入下的行为分布。数据构造、loss mask、质量分层、回归评测拆开看，才知道它到底学会了什么。
开始阅读RLHF 为什么要奖励模型？从偏好到 PPO 怎么接起来
RLHF 先把偏好学成奖励，再用策略优化推高质量。数据、奖励模型、KL 约束、PPO 串起来，才讲得清它怎么工作、怎么被 reward hacking 反噬。
开始阅读DPO 和 PPO 到底差在哪？什么时候可以不要奖励模型
DPO 把偏好优化改成离线分类目标，省掉 PPO 的在线 rollout 和显式奖励模型；但数据质量、参考策略、分布外风险还在。训练目标、链路、选型边界放一起，差异才清楚。
开始阅读训练 loss 降了，模型为什么没变聪明？
loss 好看，只说明优化器在朝目标走。数据污染、mask 错位、梯度爆炸、学习率不匹配、灾难性遗忘，都能让 loss 降下去、能力不动。配指标矩阵和可回滚实验，才找得到能修的环节。
开始阅读这批预训练数据值得加吗？
喂给模型的 token 多，不等于学到的能力多。重复网页放大偏见，模板化代码挤掉推理数据的位置，低质量语料把训练预算烧成噪声。清洗、配比、能力评测连起来看，才知道这批数据值不值得加。
开始阅读Agent 架构
会调工具只是起点，可控、能复盘才是架构
记忆、规划、安全、可观测性，逐项划成可验证的工程边界，Agent 每次行动才说得清、出事能恢复。
Agent 到底是什么：别把会调用模型的流程都叫 Agent
面试官问 Agent 有哪些核心组件，看的是你能不能把目标、状态、行动、观察、停止条件串成一条真跑得起来的流程。
开始阅读记忆系统里，短期、长期和压缩到底怎么分工
别把记忆系统当聊天记录仓库。先定下什么值得留、存成什么样、什么时候取回来；遇到新旧信息打架，还得有覆盖和过期的规矩。
开始阅读规划与反思什么时候有用，什么时候只是让 Agent 多说废话
Planner 要拆到能落地执行，拆得细不等于聪明；Reflection 要能改方向，补一句“你确定吗”不算反思。什么时候收手也要提前定好。
开始阅读Agent 安全怎么设计：权限、工具和数据边界
Agent 的风险不只是说错话，还在它能看哪些数据、动哪些工具、改什么东西。把自然语言里的意图落成权限和审批，边界才查得住。
开始阅读Agent 上线后怎么定位问题？从 trace 到可观测性和回放
最终答案只是最后一幕。查线上坏案例，要把规划、检索、工具、模型、状态变化、验收证据按顺序记下，之后才能重放。
开始阅读Workflow 还是 Agent？先看这件事到底有多不确定
Workflow 和 Agent 怎么选？先看任务不确定性、风险、验证成本、回退办法，再定哪些步骤交给 Agent，哪些边界写死。
开始阅读上下文越塞越满，Agent 为什么反而变笨？
Agent 变笨，多数是上下文里混进旧状态、没用的工具结果、没人核过的指令。先筛，再压缩、排序、标注，模型才看得见重点。
开始阅读Agent 上线，先把超时、熔断和未知结果设计好
线上故障往往是工具超时、重复写入、上下文膨胀、版本漂移撞一起。先画状态和故障边界，再谈扩容。
开始阅读Agent 什么时候该交给人？把人工接管设计成正常路径
Agent 卡住时，最怕的是证据、权限、确认都没拿到，还照样自信地往下做。升级人工的条件、交接的资料、之后的恢复方式要写清楚，人工接管才不会只剩一句“请联系客服”。
开始阅读多智能体
群聊式协作，什么时候才算团队系统
角色分工、消息协议、冲突仲裁、并发预算、协作评测，拆开看才明白多 Agent 什么时候真赚了，什么时候只是多花成本。
一个 Agent 做不完，什么时候该拆成多个？
多 Agent 的价值在于把互相牵制的目标拆成可验收的责任边界。先判断值不值得拆，再定角色、交接和失败回退。
开始阅读多 Agent 的消息和状态到底怎么管？
让多个 Agent 互相发消息不难，难的是事先约好：谁能动嘴、谁能动状态、什么时候提交、消息怎么算确认。
开始阅读多 Agent 结论打架怎么办？监督者和仲裁器各管什么
几个 Agent 结论打架，再让它们自由辩论，多半只多出几页字。监督者查过程和边界，仲裁器比证据和责任，别只靠投票。
开始阅读多 Agent 为什么越加人越慢？先管并发和预算
共享资源、复制上下文、尾延迟，都会让协作越多越慢；真正要管的是任务拓扑、扇出、token 和失败重试。
开始阅读多 Agent 协作怎么评测？不能只看最终答案
最终答案对了，不代表协作过程靠得住。评多 Agent，得把个体能力、消息质量、协作效率、失败恢复、安全边界分开，一项一项看。
开始阅读多智能体交接：先把合同写清楚
多智能体最常出的错在交接，不在角色多少。任务、状态、证据、权限、幂等键、确认方式都要写下来，出了事才知道谁接手、做到哪一步。
开始阅读多模态
图片、文档、视频，都要能当证据查出来
视觉 token、切片、版面结构，加上多模态 RAG 和视频时间轴，让模型从“看到了”变成“说得出在哪、引用有出处”。
图像怎样进入 Transformer？
图片要被语言模型理解，得先过视觉编码、特征投影、跨模态融合。把像素、patch、视觉 token、文本 token 串起来，才知道模型看见了什么。
开始阅读图片问答答非所问，可能是模型根本没看清
小字、表格、长截图答不对，多半是目标没带着合适的分辨率进入上下文。全图定位、局部切片、OCR、证据合并配合着用，视觉问答才稳。
开始阅读文档理解为什么不能只做 OCR？版面关系才是线索
PDF 压成一串 OCR 文本，栏、行、表头、脚注之间的关系就没了。文档 Agent 想可靠，得把文字、坐标、块类型、跨页结构一起存下来，才答得出“哪一列、哪一行、依据在哪”。
开始阅读多模态 RAG 怎样把图片、表格和文字一起查出来？
多模态 RAG 得把文字、表格、图片、坐标组织成统一的证据对象，再靠跨模态召回、元数据过滤、引用回溯去回答问题。
开始阅读视频 Agent 怎样处理百万级帧？先把时间定位做好
视频 Agent 不会逐帧塞给模型。先建时间轴，用镜头切分、关键帧、语音、OCR 做粗到细检索，再把答案落回能回放的时间区间。
开始阅读评测
Agent“看起来能用”，怎么证明它真可靠
结果、证据、线上漂移、Judge 校准、实验复现都管起来，评测才能定位问题、回放现场，持续回归也有抓手。
Agent 评测不能只看成功率：从结果到轨迹的五层指标
Agent 自报成功，任务未必真的完成。结果、步骤、工具调用、成本、安全约束分开查，才看得清它哪里稳，哪里只是碰巧答对。
开始阅读RAG 答案看着对，怎样证明它有依据？
贴一个文档链接，不等于答案有依据。验证 RAG 答案，得把结论拆成能核查的 claim，再对着证据看：覆盖没有、矛盾没有、版本对不对。
开始阅读离线评测 95 分，线上为什么还是翻车？
离线集测的是固定样本，线上面对的却是会变的用户、工具和数据。分布漂移、长尾失败、版本组合、副作用不进评测，就解释不了“离线 95%，线上 70%”的落差。
开始阅读让 LLM 给答案打分，为什么也会偏？
让一个大模型给另一个模型打分很省事，但它可能偏爱更长、更像自己、格式更整齐的答案。可靠 Judge 要靠评分标准、盲评、程序规则、人工样本一起校准。
开始阅读同一个 Agent 实验，怎样才能复现？
同一套 Prompt 第二次跑出不一样的结果，别急着怪模型随机。工具、知识库、系统时间、并发、评测器，哪个都可能变了。环境和版本指纹锁不住，结果就没办法解释。
开始阅读工具调用
外部行动不能悄悄发生，契约、回执、边界都得有
Function Calling、重试、MCP、结果塑形、权限审计，把模型提出的动作变成校验得了、恢复得了的工具调用，出问题查得到痕迹。
Function Calling：先把契约验清楚
Function Calling 是把自然语言决策变成可校验的动作请求。Schema、解析、权限、执行回执缺一环，再漂亮的 JSON 也可能变成线上事故。
开始阅读工具调用失败后，Agent 该重试、换工具还是停下？
失败，先看请求到没到、外部副作用是否未知、参数有没有错，再决定是重试、换工具、回退，还是转人工。
开始阅读MCP 统一了工具接入，为什么还有这么多坑？
MCP 统一了模型连工具、资源、提示模板的方式，但不会自动解决身份、权限、版本、租户隔离、副作用控制。协议统一只是起点。
开始阅读工具返回一大段 JSON，为什么 Agent 反而更容易做错
工具回得越多，Agent 不一定看得越明白。先定观察对象和字段优先级，再处理分页、截断、引用，下一步才不会被一堆无关 JSON 带跑。
开始阅读工具调用怎么做权限控制和审计？
Agent 的主体、租户、资源、动作、审批、幂等、审计证据都要进同一条调用链，这样才说得清谁在什么条件下让系统干了什么。
开始阅读工具调用为什么要做流式网关：别让用户只看到一个漫长的转圈
工具流式传输，是把一次调用拆成能排序、能恢复的事件流。顺序、背压、断线续传、权限、最终提交都归网关管，体验和可靠性才不会打架。
开始阅读Agent 之间怎么通信？先把消息信封设计好
A2A 别急着争协议名，先说清消息发给谁、谁有权限、版本怎么兼容、重复怎么办、结果怎么回执。传输层和任务层分开，换队列或网关也不怕。
开始阅读项目深挖
把 Demo 讲成经得起追问的工程系统
架构、RAG 取舍、指标、成本、框架边界，把项目经验拆成讲得清、经得起验证的工程决策。
从零设计企业知识库 Agent，第一张图该画什么？
画企业知识库 Agent 的第一张图，别只画模型调用。证据和权限要先落上去：谁属于哪个租户、能查哪些版本、答案怎么引用、出了错往哪追。
开始阅读你的 Agent 项目为什么要用 RAG？不用会怎样
知识会更新、数据不能公开、答案必须带出处、上下文装不下时，检索才值得加。
开始阅读项目里的指标怎么来的？别只报一个漂亮数字
别等项目收尾才补一张指标表。先把任务成功、证据、成本、安全定义清楚，再做基线和对照，才说得出到底好了多少、为什么会好。
开始阅读线上成本突然翻倍，Agent 项目从哪里开始降本
Agent 账单涨了，先把模型、工具、上下文、重试各花掉多少拆开算，再动路由和上下文。直接换小模型，可能只是把失败和重试一起放大。
开始阅读项目被追问‘你做的和框架有什么区别’，怎样讲出自己的贡献
框架替你处理通用编排，面试官更在意你在具体约束下做了什么决定：为何这样设计、怎么验证、失败后改了哪里。别只报组件名。
开始阅读通用与软实力
没做过的要讲清，做过的要讲深
假设、证据、失败复盘、技术沟通、学习路线，这几样练熟，Agent 面试就不止是背题，而是讲工程。
不会的 Agent 面试题怎么答：先拆问题，再声明假设
没做过的 Agent 题，别硬装全懂。先问目标、约束、输入输出、风险，再说你的假设、方案和验证办法，面试官更容易判断你的工程思路。
开始阅读项目讲不深，通常是证据链断了
面试官追你的项目，要听的是你碰上过什么问题、做了什么决定、怎么验证、最后结果如何。小项目照样能讲出深度。
开始阅读面试官追问失败案例，怎样讲具体又不把自己说垮
失败案例考的是边界感和复盘。挑一个真实发生过的，把现象、影响、定位、修复、还剩什么风险讲清楚，既不甩锅，也不把责任全揽在自己身上。
开始阅读技术方案有争议怎么办？从不同意见到可验证实验
嗓门大的人赢不了技术争议。把分歧写成两个能比较的假设，数据和指标先固定，做一个成本可控的实验，取舍记下来就行。
开始阅读Agent 工程师的学习路线怎么排：基础、项目、论文和面试如何互相喂养
论文、框架、面试题，别各刷各的。拿基础知识解释项目，让项目暴露问题，再借论文和面试题把答案讲一遍，学到的东西才用得起来。
开始阅读系统设计题怎么答：先问用户，再画 Agent
系统设计面试，先问清楚用户是谁、成功标准是什么、哪些边界不能碰，再把状态、工具、证据、评测、上线风险一项项接上。
开始阅读五厂高频题
一套 Agent 系统，怎么从头讲到上线
照着大厂常见的追问，把 RAG、工具、状态、性能、成本、稳定性串起来，练到能把零散知识讲成一整套系统。
AgentAlpha 公众号 · 已发表文章
公众号发过的内容，原文都收在这里。
共 10 篇，原文照收。
看看大佬云集的agent社区每天都在聊什么
打开原文 2026-08-31 · 已发表大厂Agentic RL面试，背完GRPO只是刚入门
打开原文 2026-08-30 · 已发表恭喜学弟拿下小红书offer
打开原文 2026-08-23 · 已发表网页版auto resesrch在路上了！
打开原文 2026-08-22 · 已发表阿里面试官追问：Code Agent跑到一半挂了，怎么恢复而且不重复执行？
打开原文 2026-08-22 · 已发表拿了一圈大厂offer的学弟最后竟然选了…
打开原文 2026-08-20 · 已发表阿里一面：Agent已经会ReAct了，为什么还要做Agentic RL？
打开原文 2026-08-16 · 已发表阿里面试官追问：Code Agent为什么不能直接给它root权限？
打开原文 2026-08-09 · 已发表面试官疑惑：你的Agent跑了二十轮对话，上下文爆了怎么办？
打开原文 2026-08-07 · 已发表面试官反问：Agent为什么必须学会遗忘？你回答不上来
打开原文Claude Code · 逐章整理中
Claude Code 从入门到高手
从 Agentic Loop、上下文与工具治理，到 MCP、Subagent、安全、性能和系统设计面试的系统教程。