小红书 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：小红书 AI Agent 算法一面
来源: 牛客网 2025 | 攒人品
面试问题（21 道，全部围绕项目和 Agent 架构）：
-
实习拷打
-
在这个产品的研发过程中，你承担了什么角色？主要完成了哪些任务？
-
从技术层面来讲，你在设计这个平台的 Multi-Agent 架构时是怎么设计的？
-
你提到有 Deep Research 能力，还有推理能力，能详细介绍一下深度研究这部分吗？
-
这个 Deep Research 是多轮检索，那你会进行到什么程度才停止？用什么判断？
-
你说有三类判断，那具体在使用过程中，这些判断的阈值是怎么设置的？
-
你们上下文是怎么管理的？
-
上下文是共享的对吧？具体会共享哪些信息？
-
现在的 Agent 是多 Agent 吗？具体是怎么设计的？
-
多 Agent 协同是通过什么机制实现的？
-
这些状态以及 Agent 之间同步的数据是存在哪里的？
-
这个平台只是内部员工用的，会需要这么复杂的架构吗？
-
这个 AI 平台是怎么部署的？
-
实际用的是哪家的大模型？
-
会根据不同问题切换不同模型吗？
-
那你是怎么判断一个问题是简单还是复杂的？
-
这个意图识别是用什么模型实现的？
-
这个平台现在是什么状态？已经上线了吗？
-
如果很多员工同时用，会不会有一些限流或者降级策略？
-
有不同租户、不同应用，这个概念是怎么理解的？
-
开发语言主要是什么？
特点：全程围绕项目，没有八股文，没有算法题。但问得极其深入——每个回答都会被追问。
📌 面经 2：小红书 AI Agent 应用开发
来源: 牛客网综合
面试内容：
-
深挖简历，特别是 Agent 解决的场景问题
-
过程中遇到的困难及解决方案
-
代码题：非 Hot100 的 Easy 级别
-
场景问题：面试官喜欢抛出开放性问题考察思维发散
面试者建议：
-
明确自己投的是偏应用落地还是偏算法
-
加强强化学习知识储备
📌 面经 3：小红书开放性设计题
来源: 牛客网
题目："如何实现一个能代替你完成发小红书全部流程的 AI Agent？"
面试官倾向考察：
-
不是"让 AI 模拟人类操作 UI"
-
而是"让世界适应 AI"——通过结构化 API 接口
-
批判"模型中心论"，考察对 Agent 发展方向的洞察
📌 面经 4：小红书 AI Agent 开发一面（2026 新增公开来源）
来源：小红书公开页面；以下为摘要索引，完整内容请查看来源链接。
| 来源 | 标题 | 核心考点 |
|---|---|---|
| 小红书 | 小红书 AI Agent开发一面（小红书站内搜索原标题） | 电商 Agent、主从架构、Tool 调用、RAG 索引、Prompt 调试、Skills、延迟分析 |
| 牛客 | 小红书大模型平台 Agentic 全栈研发练习生一面凉经 | Harness 层、编排层、意图分流、Skill/Tool、模型一致性、LangGraph、扩容与 SQLite 选型 |
2026 高频追问
-
为什么设计主从架构，而不是一个 Agent 直接完成所有任务？
-
为什么先查商品再走 RAG？商品知识库索引如何设计？
-
Prompt 禁止项为什么会失效？如何通过输出校验、工具权限和后处理兜底？
-
电商场景下的 Tool 调用如何控制延迟、失败重试和安全边界？
-
Agent 写操作边界如何划分？Harness 层和编排层分别负责什么？
-
如何识别模糊 query，并在日请求十几万次时保证稳定扩容？
⚠️ 小红书面试关键洞察
-
项目深度碾压一切：21 道题全部围绕一个项目展开，每个回答都追问到底
-
Multi-Agent 是核心考点：架构设计、协同机制、状态同步
-
实际工程问题很重要：限流降级、多租户、模型切换策略
-
不考八股：但要求你对自己做的东西了如指掌
-
产品理解加分：要理解小红书的内容生态和 AI 在其中的价值