字节跳动 AI Agent - 真实面经（牛客实录）
来源：牛客网 2025 年真实面经，持续更新
📌 面经 1：字节 AI Agent 一面（"面吐了"）
来源: 牛客网 2025-03-22 | 面试者自评：说不明白业务逻辑
面试问题（16 道）：
-
多模态大模型的具体结构
-
多模态的用户信息怎么存储和使用
-
Agent 项目背景
-
RAG 系统流程
-
LoRA 的原理和 QLoRA 的原理，QLoRA 怎么优化显存？
-
演示 Agent 项目实现细节
-
AI 辅助开发的实践经验
-
觉得当前的 Agent 达到预期了吗？对 Agent 的预期是什么
-
项目中 AI 贡献的代码占比
-
怎么进行多模态知识检索？
-
RAG+MCP 这方面是你做的吗？怎么做的？RAG 怎么构建的
-
A2A 与 MCP 区别（新热点！）
-
项目在研发过程中遇到了哪些困难，怎么解决的
-
较长较多的上下文怎么解决
-
项目用的什么架构
-
Agent 项目开发的框架
面试者感受：面试很难，还是要多多练习，感觉自己说不明白业务逻辑
📌 面经 2：字节 AI Agent 二面
来源: 牛客网综合 | 继续深挖
面试问题：
-
继续项目深挖
-
多模态大模型的结构细节
-
Agent skills 的设计
-
如何加强大模型记忆机制
-
多 Agent 执行策略的智能选择和切换机制设计
-
SSE 的局限性
-
LoRA 效果不佳怎么办？LoRA 的缺点与改进方向
-
RAG 动态知识更新
-
复杂任务执行准确率评估
-
多轮对话实现方案
-
RAG 评估方案
-
市场上的智能体 Agent 有哪些
-
MCP 和 Function Calling 的关系
-
大模型项目遇到的问题
📌 面经 3：字节大模型算法（社招）
来源: 牛客网综合
流程：自我介绍 → 项目深挖 → 通用知识 → 手撕代码
项目深挖：
-
微调项目：业务背景、数据构成、训练方法、效果评估
-
应用层项目：幻觉问题处理、通用性、Agent 概念和流程
通用知识：
-
Transformer、BERT、RoBERTa
-
JSON 格式输出保证
-
OOM 问题处理
-
大模型参数计算
-
DeepSeek R1 原理
-
强化学习：Agent 概念和流程
-
RAG 流程及评估
-
幻觉问题解决方案
-
数据合成方法
-
DeepSpeed 使用
-
模型并行与数据并行
手撕代码：
-
手写位置编码
-
手写多头注意力机制
-
LeetCode 算法题
📌 面经 4：字节 AI 应用岗 / Agent 开发（2026 新增公开来源）
来源：牛客、小红书、博客园、CSDN 等公开页面；以下为摘要索引，完整内容请查看来源链接。
重点来源
| 来源 | 标题 | 核心考点 |
|---|---|---|
| 小红书 | 字节跳动Agent开发岗二面（贼难）（小红书站内搜索原标题） | 多 Agent 架构、LangGraph、Skills、上下文工程、Agent 评估、SFT、推理优化 |
| 小红书 | 字节 agent开发 1-3面面经 5月（小红书站内搜索原标题） | 豆包场景、长会话、多 Agent A2A、Memory、RAG、幻觉治理 |
| 牛客 | 字节 AI 应用岗面试真题 | 法律 RAG、工具路由、评测、chunking、rerank、Coze/豆包 |
| 博客园 | 字节 AI Agent 二面（飞连）面试题与参考解答 | Tool Calling、bad case、Memory、RAG 优化、Agentic RAG、LangGraph |
| CSDN | 字节跳动大模型实习面经：从 Agent 记忆到 RAG 优化 | 长短期记忆、Query Rewrite、Hybrid Retrieval、RRF、Rerank、HyDE、vLLM/SGLang |
| CSDN | 双非本｜字节跳动飞书团队 RAG 面经 | BGE-M3、Qwen3-Embedding、LoRA、多路召回、父子文档 |
| 牛客 | 字节 Agent 开发一面 90 分钟凉经 | 代码 Agent、覆盖率/插桩、查询改写、并行意图识别、上下文工程、Skills |
| 牛客 | 字节 Agent 开发实习一面 | Memory、上下文压缩、RAG、MCP、Skill 渐进式披露、OpenClaw、A2A |
| 牛客 | 字节、蚂蚁、腾讯 Agent 实习面经 | Transformer、模型训练、项目追问、算法题及公司差异 |
| 牛客 | 字节跳动 Agent 开发近期面经汇总（2026-08） | Harness/Orchestrator、路径震荡、长上下文、工具检索、Coding Agent 并发、生产评测 |
| 牛客 | 字节跳动 9.3 Agent 开发一面面经 | Harness、长任务延迟排查、工具参数可靠性、上下文压缩、结构化评分 |
| 牛客 | 字节 Agent 开发一面（8.12） | RAG、AI Coding 质量控制、SSE/WebSocket、高并发、数据库索引、线程安全 |
2026 高频追问
-
多 Agent 架构如何选：主从 Agent、workflow、A2A 通信分别适合什么场景？
-
长会话和上下文污染怎么解决？哪些内容进入短期上下文，哪些沉淀到长期记忆？
-
RAG 召回差如何定位：query rewrite、混合检索、RRF、rerank、HyDE 各解决什么问题？
-
Tool/Skill/MCP 如何设计 schema、权限、异常兜底和安全边界？
-
Agent bad case 如何定位是规划、检索、工具调用、模型推理还是业务约束问题？
-
Prompt 已经调到极限时，什么时候该做 SFT、模型路由或推理优化？
-
代码 Agent 如何评估单测有效性、分支覆盖率和无法生成测试的代码？
-
Skill 渐进式披露、OpenClaw 和 A2A 的实现与适用边界是什么？
-
Harness、Orchestrator 和 Runtime 分别负责什么？为什么不能都塞进 Agent Loop？
-
Agent 在多个失败方案之间反复切换时，如何检测路径震荡并强制产生新计划？
-
当工具数量扩展到数百个时，如何做权限过滤、候选检索和 Schema 精排？
-
多个 Coding Agent 并行修改仓库时，如何隔离工作区、合并补丁并重新验证？
-
长任务突然变慢时，如何区分模型延迟、上下文膨胀、工具阻塞和重试风暴？
-
模型输出 1-5 分等结构化结果时，怎样确保格式合法、理由与分数一致并可回归测试？
⚠️ 字节面试关键洞察
-
一面就很硬核：16 道题覆盖全链路，从多模态到 MCP 到项目细节
-
必须能演示项目：不是说说就行，要现场展示实现细节
-
A2A vs MCP 是新热点：字节已经在面试中考这个了
-
AI 辅助开发经验：会问"AI 贡献了多少代码"——说明他们重视 AI Coding 实践
-
手撕代码偏 AI：不只是 LeetCode，还要手写位置编码、多头注意力
-
DeepSeek R1 是必知：要了解其推理能力和强化学习方法