阿里巴巴 AI Agent 工程师 - 面试题 & 面经

面试特点

• 非常注重项目拷打，会深挖每个项目的细节

• 可能出现 vibe coding（现场编程）环节

• 技术广度 + 深度并重

---

一、Agent 核心概念

Q: 什么是 AI Agent？与传统 AI/自动化脚本的核心区别？

参考答案： AI Agent 是具备自主感知环境、决策规划和执行行动能力的智能系统。与传统 AI 的区别：

• 传统 AI：输入→输出的单次映射（如分类器）

• 自动化脚本：预定义流程，无决策能力

• Agent：具备自主循环——感知→思考→行动→观察→再思考，能处理开放域任务

Q: 大模型 Agent 的核心技术模块？

参考答案： 四大模块：

1. 规划（大脑）：任务分解、制定计划、反思调整

2. 感知（五官）：理解用户输入、多模态信息处理

3. 工具（手脚）：API 调用、代码执行、外部系统交互

4. 记忆（记忆）：短期记忆（对话上下文）+ 长期记忆（向量存储/数据库）

Q: LLM 在 Agent 中的作用与局限性？

参考答案：

• 作用：作为 Agent 的"大脑"，负责推理、规划和决策

• 局限性：

  • 幻觉问题（生成不存在的信息）
  • 上下文长度限制
  • 实时知识缺失
  • 复杂数学/逻辑推理能力不足
  • 无法直接与外部系统交互（需工具）

Q: ReAct 框架的工作原理？

参考答案： ReAct = Reasoning + Acting，交替执行思考和行动：

Thought: 分析当前情况，决定下一步
Action: 调用工具/执行操作
Observation: 观察执行结果
Thought: 基于结果继续推理
...循环直到任务完成

优势：思维链可追溯，行动有依据，比纯 CoT 更实用。

Q: Agent 和 RAG 的区别？如何结合使用？

参考答案：

• RAG：检索增强生成，给 LLM 补充外部知识，是被动的信息增强

• Agent：自主决策系统，RAG 只是 Agent 可调用的工具之一

• 结合：Agent 在需要知识时主动调用 RAG 检索，获取信息后继续推理决策

Q: Agent 调用 MCP 的整体流程？

参考答案：

1. 用户发出请求 → Agent 解析意图

2. Agent 规划任务，确定需要调用的工具

3. 通过 MCP 协议发现可用工具（Tool Discovery）

4. 构造工具调用请求（参数填充）

5. MCP Server 执行工具并返回结果

6. Agent 接收结果，整合到上下文继续推理

7. 最终生成回复返回用户

Q: 单 Agent vs 多 Agent 怎么选？

参考答案：

• 单 Agent：任务简单、工具数量少（<10）、对延迟敏感

• 多 Agent：

  • 任务涉及多领域专业知识
  • 需要并行处理子任务
  • 工具数量多需分组管理
  • 需要检查/验证机制（如一个 Agent 生成，另一个审核）

• 注意：多 Agent 增加复杂度和延迟，不要过度设计

Q: 如何设计通用 Agent 框架？

参考答案： 分层设计：

1. 接口层：统一输入输出协议

2. 编排层：任务分解、Agent 调度、流程控制

3. 能力层：LLM 推理、工具调用、RAG 检索、记忆管理

4. 工具层：标准化工具接口（MCP 协议）、工具注册发现

5. 兜底机制：超时处理、错误恢复、人工介入触发

---

二、大模型基础

Q: Transformer 自注意力机制如何工作？为什么比 RNN 更适合长序列？

参考答案：

• Q/K/V 三个矩阵，通过 Attention(Q,K,V) = softmax(QK^T / √d_k) × V 计算

• 每个 token 可直接关注任意位置的 token，路径长度 O(1)

• RNN 需逐步传递，长距离依赖信息衰减，路径长度 O(n)

• Transformer 支持并行计算，训练效率更高

Q: ROPE（旋转位置编码）vs 绝对位置编码？

参考答案：

• 绝对位置编码：为每个位置分配固定向量，难以泛化到训练时未见的长度

• ROPE：通过旋转矩阵编码相对位置信息

  • 优势：天然编码相对位置、可外推到更长序列、计算高效
  • 实现：对 Q/K 向量按维度对做旋转变换

Q: MHA、MQA、GQA 的区别？

参考答案：

• MHA（Multi-Head Attention）：每个 head 独立的 Q/K/V

• MQA（Multi-Query Attention）：所有 head 共享 K/V，大幅减少 KV Cache

• GQA（Grouped-Query Attention）：折中方案，多个 head 分组共享 K/V

• 趋势：GQA 成为主流（如 Llama 2/3），平衡效果和效率

---

三、项目拷打（重点！）

面试官会问的问题维度：

1. 项目背景与目标：为什么做？解决什么问题？

2. 技术选型：为什么选 X 不选 Y？有什么权衡？

3. 具体实现：核心模块怎么设计的？数据怎么流转？

4. 挑战与解决：遇到什么难题？怎么解决的？

5. 质量保证：如何评估效果？指标是什么？

6. 个人贡献：你具体做了什么？和团队的分工？

7. 反思改进：如果重新做，会改什么？

准备建议：

• 准备 1-2 个深度项目，每个项目能讲 15-20 分钟

• 对每个技术选型都能说出 "为什么选它" 和 "有什么替代方案"

• 准备好失败经验和从中学到的教训

---

四、计算机基础（仍然会考！）

• ArrayList vs LinkedList 区别

• HashMap 原理，key 的要求（hashCode + equals）

• Redis 数据结构、持久化、集群

• MySQL 事务隔离级别

• CAP 定理

• LRU Cache 实现

• Kafka 消息不丢失保证

• 设计模式（工厂、抽象工厂、策略等）

---

五、算法题

• LeetCode 中等/困难为主

• 建议重点刷：动态规划、图、树、字符串处理