开放题

行业、项目经历和个人判断。没有标准答案。

106 · 难 · 展望未来 3-5 年，你认为 LLM 和 Agent 技术最有可能在哪个行业或领域率先实现颠覆性的应用？为什么？

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

107 · 难 · 你认为目前限制Agent能力和普及的最大瓶颈是什么？（例如：模型能力、成本、可靠性、还是其他？）

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

108 · 难 · 在过去半年里，哪一篇关于Agent的论文或哪一个开源项目让你印象最深刻？为什么？

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

109 · 难 · 你如何看待Agent领域的“涌现能力”？我们应该追求更强大的基础模型，还是更精巧的Agent架构？

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

110 · 难 · 你认为未来1-2年内，Agent技术最有可能在哪个行业或场景率先实现大规模商业落地？

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

111 · 难 · 如果让你自由探索，你最想创造一个什么样的Agent来解决什么问题？

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

112 · 难 · 对于想要进入Agent领域的初学者，你会给他/她什么建议？应该重点学习哪些技术？

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

113 · 难 · 总结一下，你认为一个顶尖的AI Agent工程师，应该具备哪些核心素质？

来源：Hello-Agents Extra01

这道题原资料没有参考答案。

114 · 难 · 系统解决了什么业务问题？

来源：ai-agent-interview-guide

重复咨询占掉客服的大部分时间，回答还不一致，新人培训长，高峰要排队。源笔记的量级：每天 2000 条以上，大约 70% 重复，培训大约 3 个月，高峰等待大约 10 分钟。

系统做三件事：常见问题走 RAG 自动答；复杂问题转人工，并带上上下文摘要，避免用户再说一遍；全天在线。

价值用四项说，不要只说「上了大模型」：AI 处理大约 65% 的咨询；同一问题走同一知识库；人力大约少 40%；响应从分钟级到秒级。源笔记日均大约 1300 条无人干预，满意度从 72% 到 88%，平均响应从大约 5 分钟到 8 秒。

转人工不是失败路径。没有它，复杂问题会被模型硬答。

115 · 难 · 用户反馈怎么样？怎么收集和处理？

来源：ai-agent-interview-guide

显式反馈是每条回答后面的有用或无用，可以加文字。收集率大约 15%，高于大约 5% 的常见水平，但仍然只覆盖愿意点的人。

隐式信号补上不点的人：立刻再问一次、转人工、轮次异常多。每月再对活跃用户做满意度问卷。

处理闭环：分类 → 不满意的人工看 → 归到检索、生成、知识缺失或其他 → 改知识库或 Prompt → 用同一类问题验证。每周看不满意的前 10 类。源笔记平均大约 3 天处理一条，满意度从 82% 再到 88%。

不分类的反馈只能证明用户不高兴，不能告诉你改检索还是改 Prompt。

116 · 难 · 和竞品相比优势是什么？

来源：ai-agent-interview-guide

三类对照：

方案	强项	企业场景的缺口
Coze、Dify 这类通用平台	上手快	深度定制、安全和合规弱
大厂企业套件	功能全	部署绑在厂商全家桶上
LangChain 自建	灵活	监控、安全和运维要自己补

源笔记用来打差异的是五件事：按客户数据和流程定制；向量、关键词、图谱三路检索；监控、安全、容错这些生产条件；可以完全放在客户机房；交付后继续按反馈改效果。

竞标大约 70% 赢在检索准确率和私有化，续费大约 85% 来自持续优化。Demo 能跑不是优势，换一家框架也能跑。

117 · 难 · 下一步的技术规划是什么？

来源：ai-agent-interview-guide

规划要能对应现在的缺口，不能是名词清单。

一到三个月：Agentic RAG，由 Agent 决定检不检索、用哪路、检索几次；补图片输入和生成；RAGAS 进 CI。

三到六个月：多 Agent 增加辩论、投票这类协作，而不只是主管分发；记忆从键值改成工作、情景、语义三层；接入社区 MCP 工具。

六到十二个月：用历史交互改 Prompt 和检索策略；对高频场景微调小模型降成本；把工作流做成可视化编排。

源笔记称短期大约 80% 按计划在走，路线每季度改一次。季度重审是这题的工程态度：规划不是承诺把一年后的架构说死。

118 · 难 · 你在项目中的角色是什么？最大的贡献是什么？

来源：ai-agent-interview-guide

源笔记的角色是后端负责人兼 AI 工程师。贡献要落到可以核对的模块，而不是「负责整体」。

架构上是多路检索和编排器。实现上是 ReAct 循环、检索管道、熔断和模型路由。性能上把 P50 从 6.5 秒收到 2.8 秒。工程上是 CI、告警和评估集。

一个具体决策：工具变多之后从单 Agent 拆到多 Agent，把工具选择准确率拉回来。团队从 3 人到 8 人，系统服务大约 20 家企业客户。

面试时每一项都要能接着讲清接口和指标，否则听起来像项目介绍而不是本人的工作。

119 · 难 · 项目中最大的挑战是什么？怎么解决的？

来源：ai-agent-interview-guide

上线初期满意度大约 68%，目标 80%。抽 200 条不满意：检索大约 45%，幻觉大约 30%，意图理解大约 15%，格式和延迟大约 10%。

按占比处理，不平均用力。检索加上多路和 rerank，准确率大约加 17 个点。幻觉用引用、NLI 和 temperature 0，从大约 18% 收到 3%。意图改成两阶段加置信度阈值，准确率到大约 94%。

满意度后来到大约 88%。方法是先分类再改一项、看一项指标。同时改三处，就不知道哪一处起了作用。

120 · 难 · 项目的 ROI 是怎么计算的？

来源：ai-agent-interview-guide

成本分三笔：研发（人数 × 月数 × 薪资）、基础设施和模型 API、上线后的运维。收益也分三笔：被系统接走的人工、人工因为有上下文而变快、满意度带来的续费。

ROI = (年化收益 − 年化成本) / 年化成本。源笔记的说法是大约第 7 个月回本，年化大约 180%，口头常用的数量级是大约 6 个月回本、年化大约 200%。具体薪资用 X、Y、Z 留空，面试时换成自己的数。

算不清的部分不要塞进 ROI。续费提升如果没有对照，就单独说成假设，不要和省下的人力加在一起装成已发生的收入。