AgentAlpha Notes · Vol. 01Agent 面试，
01Agent 面试，
别只背答案。
每道题都从面试官的追问开始：先拆掉似是而非的回答，再把直觉、系统机制和工程边界连起来。
从这一题开始
面试官追问：Agent 已经会 ReAct，为什么还要做 Agentic RL？
会调工具只说明流程能跑。Agentic RL 真正要学的是，在不断变化的环境里，什么时候搜索、什么时候执行、什么时候停止，以及失败后该把责任分给哪一步。
01 / AGENTIC RL
Agent 如何从行动中学会负责
从 ReAct 到长轨迹强化学习，理解奖励、归因、rollout 与评测为什么会在真实系统里失效。
01
面试官追问：Agent 已经会 ReAct，为什么还要做 Agentic RL？
会调工具只说明流程能跑。Agentic RL 真正要学的是，在不断变化的环境里，什么时候搜索、什么时候执行、什么时候停止，以及失败后该把责任分给哪一步。
02面试官追问：Agent 做错了，二十步里到底哪一步该背锅？
Agentic RL 最难的不是把奖励写成一个数字，而是把最终成败分配给真正改变结果的动作。
03面试官追问：GRPO 不是调用一个函数，Agent rollout 为什么总把系统拖垮？
GRPO 的公式并不神秘，难的是把一组可比较、可复现、成本可控的 Agent 轨迹真正采出来。
04面试官追问：Agent 把奖励刷满了，为什么任务还是没做成？
Reward hacking 不是模型突然变坏，而是验收器允许了一个更容易的目标。Agent 越会用工具，越要把奖励和真实结果拆开。
02 / CODE AGENT
能写代码，还不等于能交付
上下文、测试、权限和恢复机制，决定一个 Code Agent 是演示玩具，还是可靠的工程系统。
0511 min0611 min079 min0811 min
面试官追问：代码 Agent 为什么总要先读仓库，再开始写代码？
Repo context 不是把整个项目塞进上下文，而是把任务相关的约束、入口、依赖和验证路径按优先级交给 Agent。
面试官追问：代码 Agent 说测试全绿，为什么我还是不敢合并？
绿色只说明当前测试观察到的行为没有被破坏。Code Agent 真正要交付的是可解释的证据链，而不是一行 passed。
面试官追问：Code Agent 为什么不能直接给它 root 权限？
Code Agent 的权限不是一个开关，而是一套可验证的执行边界：文件、网络、进程、身份和审批都要分别设计。
面试官追问：Code Agent 跑到一半挂了，怎么恢复而且不重复执行？
恢复不是把聊天记录接着播一遍。要靠持久化状态、操作幂等键和未知结果对账，把重复副作用关在边界内。