AI Agent 开发工程师面试准备：Function Calling / MCP / Skill、记忆、RAG、评测与 40 道高频题

核对日期2026 年 10 月 18 日。技术概念以各协议、框架的官方文档为准文中面试题来自公开面经和招聘 JD 中的常见要求不代表任何一家公司的真题。目录先说结论Agent 岗位到底考什么岗位画像JD 里的要求怎么拆核心考点一Agent 的基本原理核心考点二工具调用——Function Calling、MCP、Skill 的关系核心考点三记忆系统怎么设计核心考点四规划、反思与多 Agent 协作核心考点五RAG 与知识接入核心考点六评测、可观测与成本核心考点七工程化、稳定性与安全项目案例怎么讲三层追问准备法40 道高频面试题按模块Java / 后端工程师转 Agent 开发怎么准备两周冲刺计划常见问题FAQ更新记录1. 先说结论Agent 岗位到底考什么AI Agent 开发工程师的面试考的不是「会不会调大模型接口」而是「能不能把一个不稳定的模型做成一个稳定、可控、可评测、能上线的系统」。模块面试官想确认什么典型问法基本原理你理解 Agent 和普通对话应用的区别「Agent 和 Workflow 有什么区别什么时候不该用 Agent」工具调用你能让模型可靠地调用外部能力「Function Calling、MCP、Skill 分别解决什么问题」记忆你能管理长期和短期上下文「多轮对话越来越长怎么办用户偏好怎么记住」规划与协作你能拆解复杂任务、控制循环「Agent 陷入死循环怎么办多 Agent 怎么分工」RAG你能把私有知识接进来且答得准「召回不准怎么排查切块怎么定」评测与可观测你能证明系统变好了「你怎么评估 Agent 的效果线上怎么监控」工程化与安全你能扛住线上流量和恶意输入「超时、重试、幂等怎么做提示词注入怎么防」后端功底依然重要大部分 Agent 系统的难点在「模型以外」——状态管理、并发、重试、幂等、数据一致性、权限这些都是后端工程师的老本行。2. 岗位画像JD 里的要求怎么拆常见的 Agent 岗位名称有AI Agent 开发工程师、大模型应用开发工程师、LLM 应用工程师、AI 平台工程师。JD 里高频出现的要求可以这样归类JD 写法实际在考准备方向熟悉 Prompt Engineering结构化提示、输出约束、少样本示例准备一个「提示词迭代前后效果对比」的例子熟悉 Function Calling / Tool Use工具定义、参数校验、错误处理能手写一个工具调用循环熟悉 MCP工具和数据源的标准化接入讲清 Client / Server / 传输方式有 RAG 落地经验切块、向量检索、重排、评测准备一个召回率提升的案例熟悉 LangChain / LangGraph 等框架编排、状态、图式工作流讲清框架帮你做了什么、你自己补了什么有 Agent 评测经验数据集、指标、回归准备一套你用过的评测方法熟悉 Java / Go / Python 后端服务化、并发、稳定性不需要放弃原有语言讲清工程能力拆完以后按第 10 节的方法把你的项目经历和这些要求一条条对上。3. 核心考点一Agent 的基本原理3.1 Agent 是什么一个最简化的 Agent 循环while 任务未完成 且 未超出步数上限: 1. 模型根据目标、上下文和可用工具决定下一步回答 / 调用某个工具 2. 如果调用工具执行工具把结果写回上下文 3. 检查是否完成、是否出错、是否需要人工确认关键词目标、上下文、工具、循环、停止条件。3.2 Agent 和 Workflow 的区别Workflow工作流Agent执行路径开发者预先写好模型运行时决定可预测性高低适合步骤固定、要求稳定的流程步骤不固定、需要探索的任务成本低高多轮调用面试加分点能说出「什么时候不该用 Agent」。步骤固定、对稳定性要求高的场景用工作流加少量模型判断往往比让模型自由决策更可靠、更便宜。3.3 常见范式ReAct推理Reason和行动Act交替进行每一步先想再调用工具Plan-and-Execute先生成完整计划再逐步执行适合长任务Reflection执行后自我检查、修正实际系统往往混用先规划执行中按 ReAct 处理意外关键节点做反思。4. 核心考点二工具调用——Function Calling、MCP、Skill 的关系这是 2026 年 Agent 面试被问得最多的问题之一也是掘金近期的热门话题。可以按三层来理解层次解决什么问题一句话Function Calling模型怎么表达「我要调用哪个工具、传什么参数」模型输出结构化的调用意图由你的代码真正执行MCP模型上下文协议工具和数据源怎么标准化接入把工具做成 Server任何支持 MCP 的应用都能接Skill技能一类任务怎么打包成可复用能力把说明、步骤、脚本、资源打包按需加载给 Agent一个比喻Function Calling 是「会说要什么工具」MCP 是「工具都用统一插座」Skill 是「一整套做某件事的工具箱和说明书」。4.1 Function Calling 要讲清的细节工具描述怎么写名称、用途、参数的类型和约束要清楚模型才能选对参数校验模型给的参数不可信执行前必须校验非法时把错误信息返回给模型让它修正错误处理工具超时、失败时返回结构化错误而不是让整个循环崩掉并行调用多个独立工具可以并行执行节省时间工具数量过多几十上百个工具时先按意图筛选再交给模型选。4.2 MCP 要讲清的细节角色Host使用方应用、Client在 Host 里与 Server 通信、Server提供工具、资源、提示模板Server 能提供的三类东西Tools可执行的操作、Resources可读取的数据、Prompts预设模板传输方式本地进程通信或基于 HTTP 的远程连接价值一次接入、多处复用工具提供方和应用开发方解耦风险第三方 Server 的权限和来源要审核不能无条件信任工具返回的内容见第 9 节。4.3 Skill 要讲清的细节适合把「某类任务的最佳做法」沉淀下来说明文档、操作步骤、脚本、模板按需加载先只暴露简短描述任务需要时再读取完整内容节省上下文和 MCP 的关系MCP 提供「能调用什么」Skill 提供「这类事应该怎么做」两者常常配合使用。5. 核心考点三记忆系统怎么设计「Agent 的记忆系统如何设计」是近期热门话题面试里常以「长对话越来越慢、越来越乱怎么办」的形式出现。5.1 记忆的分层层次存什么生命周期常见实现工作记忆短期当前任务的对话、工具结果一次会话上下文窗口会话摘要较早轮次的压缩内容一次会话滚动摘要长期记忆用户偏好、事实、历史结论跨会话数据库 向量检索程序性记忆做事的方法和经验长期Skill、规则、示例库5.2 关键设计点写什么不是所有对话都值得记。只记稳定的事实、偏好和结论过滤闲聊和一次性信息什么时候写每轮结束、任务完成、用户明确要求时怎么取按当前任务检索相关记忆而不是全部塞进上下文冲突和过期新信息和旧记忆矛盾时怎么处理带时间戳、允许覆盖隐私用户能查看、修改、删除自己的记忆敏感信息不入长期记忆。5.3 上下文管理超长上下文的代价变慢、变贵、注意力分散常见做法滑动窗口 摘要、工具结果只保留关键字段、大结果存外部只传引用。6. 核心考点四规划、反思与多 Agent 协作6.1 规划任务拆解把大目标拆成可验证的小步骤停止条件最大步数、最大耗时、最大成本达到即停并返回当前结果防死循环检测重复调用同一工具同一参数、连续失败次数上限。6.2 反思与自我修正执行后检查结果是否满足目标格式、完整性、事实用规则校验能解决的不要依赖模型自我检查修正次数要设上限。6.3 多 Agent 协作模式说明适合主管-执行者一个 Agent 分配任务多个 Agent 执行可并行的子任务流水线每个 Agent 负责一个阶段步骤固定的长流程评审一个产出、一个检查对质量要求高的产出面试加分点多 Agent 不是越多越好。每多一个 Agent就多一份通信成本和出错点。能用单 Agent 加清晰工具解决的就别拆。7. 核心考点五RAG 与知识接入环节常见问题怎么答文档解析表格、图片、PDF 版式丢失按文档类型选解析方式保留结构信息切块块太大检索不准太小丢上下文按语义或标题切块之间适当重叠用评测定参数向量化与检索关键词类查询召回差向量检索 关键词检索混合重排召回结果排序不准增加重排步骤生成答案编造、不引用来源要求基于检索内容回答并标注来源检索不到就说不知道评测不知道改了有没有用准备问答评测集分别看召回率和答案正确率召回不准怎么排查先看是「没召回到」还是「召回到了但没用上」。没召回到查解析、切块、检索方式召回到了没用上查重排和提示词。8. 核心考点六评测、可观测与成本8.1 评测离线评测集覆盖典型任务、边界情况和历史出错案例指标任务成功率、工具调用正确率、步数、耗时、成本、人工评分自动评测规则校验 模型评审模型评审要用人工样本校准回归每次改提示词、换模型、改工具都跑一遍评测集。8.2 可观测记录每一步输入、模型输出、工具调用、耗时、成本能按一次任务回放全过程定位是哪一步出错线上指标成功率、平均步数、超时率、用户反馈。8.3 成本控制步数和上下文长度简单步骤用便宜的模型关键步骤用强模型缓存可复用的结果。9. 核心考点七工程化、稳定性与安全9.1 工程化超时与重试模型调用和工具调用都要有超时重试要退避幂等有副作用的工具下单、发消息、写数据库必须幂等防止重试导致重复执行一致性「数据库写成功、消息却丢了」这类问题在 Agent 系统里同样存在事务外发Outbox等后端老办法依然适用状态持久化长任务中断后能从断点恢复人工确认高风险操作前让人确认。9.2 安全提示词注入用户输入、网页内容、工具返回的内容都可能夹带指令。处理方式区分「指令」和「数据」外部内容只当数据权限最小化每个工具只给完成任务所需的最小权限敏感操作二次确认数据隐私日志脱敏用户数据不随意进提示词和长期记忆。10. 项目案例怎么讲三层追问准备法整场面试里最关键的是项目。建议准备 1–2 个 Agent 项目按这个结构讲要素讲什么示例背景业务问题、为什么要用 Agent客服工单分类和处理人工处理慢方案架构、工具、记忆、评测意图识别 3 个工具 知识库检索你的角色你负责哪部分工具调用层和评测体系难点遇到的最大问题工具选错率高、长对话跑偏解决你怎么解决工具描述重写 按意图预筛 摘要记忆结果数据任务成功率、处理时长、人工介入率的变化反思重来会怎么改更早建立评测集然后准备三层追问你做了什么具体到你写的模块为什么这么做有没有考虑过别的方案比如为什么不用纯工作流、为什么选这种记忆方式怎么证明有效评测方法和数据失败案例怎么处理。没有 Agent 项目怎么办做一个小而完整的个人项目——一个能调用 2–3 个工具、有简单记忆、有 20–50 条评测样本的 Agent。完整度比规模重要能讲清评测和失败案例的小项目往往比只会堆功能的大项目更有说服力。11. 40 道高频面试题按模块基础原理6 道Agent 和普通对话应用有什么区别Agent 和 Workflow 怎么选什么时候不该用 Agent讲讲 ReAct 的思路和局限。Plan-and-Execute 适合什么场景大模型的「幻觉」在 Agent 系统里会造成什么后果怎么缓解上下文窗口越来越大是否意味着不需要 RAG 和记忆工具调用7 道7. Function Calling 的完整流程是什么8. Function Calling、MCP、Skill 分别解决什么问题9. 工具描述怎么写模型才更容易选对10. 模型给出非法参数怎么办11. 工具太多时怎么做选择12. MCP 的 Host、Client、Server 分别是什么13. 接入第三方 MCP Server 有什么风险记忆5 道14. Agent 的记忆怎么分层15. 长期记忆写什么、什么时候写、怎么取16. 新旧记忆冲突怎么处理17. 长对话越来越慢、越来越乱怎么优化18. 用户要求删除记忆系统要怎么支持规划与多 Agent5 道19. 怎么防止 Agent 死循环20. 停止条件怎么设计21. 多 Agent 有哪些协作模式22. 什么时候多 Agent 反而更差23. 反思机制怎么设计才不会无限修正RAG6 道24. RAG 的完整流程25. 切块大小怎么定26. 为什么要混合检索和重排27. 召回不准怎么排查28. 怎么减少答案编造29. RAG 怎么评测评测与可观测5 道30. 怎么评估一个 Agent 的效果31. 模型评审靠谱吗怎么校准32. 改了提示词怎么确认没把别的场景改坏33. 线上出错怎么定位到哪一步34. 怎么控制成本工程化与安全6 道35. 有副作用的工具怎么保证幂等36. 长任务中断怎么恢复37. 什么是提示词注入怎么防38. 工具权限怎么设计39. 哪些操作需要人工确认40. 用户数据在 Agent 系统里怎么做隐私保护建议每道题写下回答要点结论 两三个要点 一个你项目里的例子不要逐字背。12. Java / 后端工程师转 Agent 开发怎么准备掘金上「Java 程序员需要转 Python 吗」「后端老兵转型 Agent」讨论很多。我们的看法不用放弃原有语言。大量 Agent 系统的服务层、工具层、数据层仍然是 Java、Go 等语言主流框架和协议也有多语言支持。Python 要能读能写但不必推倒重来你的优势是工程能力并发、事务、幂等、限流、可观测、稳定性——这些正是很多 Agent 项目上线时最缺的要补的是三块模型能力边界会犯什么错、提示与工具设计、评测方法面试时的讲法把过去的后端经验「翻译」到 Agent 场景比如「我之前做过消息可靠投递在 Agent 系统里有副作用的工具调用同样要幂等和可追溯」。13. 两周冲刺计划时间做什么产出第 1–2 天拆目标岗位 JD整理第 1 节七大模块的知识清单JD 对照表第 3–5 天动手做或复盘一个 Agent 项目工具调用 记忆 评测可演示的项目 评测数据第 6–7 天重点补 Function Calling / MCP / Skill、记忆、RAG每块一页笔记第 8–9 天准备项目三层追问写成讲稿要点3 分钟项目讲解第 10–11 天过第 11 节 40 道题写回答要点题目清单第 12–13 天找人对练两次专挑追问卡点清单第 14 天复盘卡点补最薄弱的两块面试前检查表每场面试结束后当天复盘被问到了哪些清单外的问题、卡在哪一层追问补进题目清单和项目讲稿。方法可以参考我们的《面试复盘完整指南》。14. 常见问题FAQQ1AI Agent 开发工程师面试需要准备哪些知识七块基本原理、工具调用Function Calling / MCP / Skill、记忆、规划与多 Agent、RAG、评测与可观测、工程化与安全。后端基础同样重要。Q2AI Agent 开发岗位面试如何准备项目案例准备 1–2 个项目按背景、方案、角色、难点、解决、结果、反思讲重点准备三层追问和评测数据。没有项目就做一个小而完整的个人项目。Q3Function Calling、MCP、Skill 有什么区别Function Calling 是模型表达调用意图的方式MCP 是工具和数据源的标准化接入协议Skill 是把某类任务的做法打包成可复用能力。三者分属不同层次常配合使用。Q4Agent 的记忆系统怎么设计分工作记忆、会话摘要、长期记忆、程序性记忆四层只记稳定的事实和偏好按任务检索处理好冲突、过期和隐私。Q5大模型应用开发和 Agent 开发有什么区别大模型应用开发范围更广包括对话、RAG、内容生成等Agent 开发更强调模型自主决策、调用工具、多步执行和状态管理。Q6RAG 工程师面试常见考点有哪些解析、切块、混合检索、重排、减少编造、评测最常被追问的是「召回不准怎么排查」。Q7Java 程序员转 Agent 开发需要转 Python 吗不必推倒重来。Python 要能读能写但工程能力并发、事务、幂等、可观测是你的优势面试时要把这些经验翻译到 Agent 场景。Q8没有大厂 Agent 项目经验能面这个岗位吗能。很多团队也在摸索小而完整、有评测数据的个人项目同样有说服力关键是讲清楚你的设计取舍和失败案例。Q9Agent 面试会考算法题吗多数仍会有基础算法或编码题难度通常不高于同级别后端岗位重点在工程和系统设计。Q10怎么评估一个 Agent 好不好用离线评测集看任务成功率、工具调用正确率、步数、耗时和成本线上看成功率和用户反馈每次改动都跑回归。Q11提示词注入怎么防区分指令和数据外部内容只当数据工具权限最小化敏感操作人工确认对工具返回内容做校验。Q12多 Agent 一定比单 Agent 好吗不一定。多 Agent 增加通信成本和出错点能用单 Agent 加清晰工具解决的就不要拆。15. 更新记录技术发展很快如果你发现文中有过时或不准确的地方欢迎在评论区指出。2026-10-18首次发布。—— OfferGod 面神求职助手 整理