DeepSeek Agent开发岗三面，再面一轮就offer啦！！！
AIGC小白入门记 | 08-03 21:48
标签：我的求职进度条、大厂实习后，我收获了什么...
来源：https://www.nowcoder.com/discuss/913902338543259648
DeepSeek Agent开发岗三面，再面一轮就offer啦！！！ DeepSeek Agent开发岗三面，再面一轮就offer啦！！！
面完出来，我在地铁上反复回味了两个小时。
这次的面试体验跟之前高德那次完全不同。高德是压力感拉满，DeepSeek这轮面完反而有点上头。面试官像一个经验丰富的技术合伙人，全程在跟我"聊设计"，而不是"考知识点"。
整个面试接近一个半小时，从项目架构一路深挖到评测体系、Badcase回流、Loop Engineering，中间还穿插了一道手撕算法。能感觉到对方是真的在评估你能不能独立负责一个Agent项目。
说实话面到后半程我已经有点兴奋了，因为讨论的问题正好是我最近一直在琢磨的方向。
下面整理一下还记得的问题和自己的一些复盘。
- 自我介绍
开门见山问了这个问题。我大概花了两分钟，把自己的技术背景、最近一年主要做的事情、以及对Agent开发这个方向的兴趣点说了一下。
要点：不要背简历，要突出"你解决了什么问题"和"你为什么想做这个方向"。
- 重点介绍AI私人助理项目
面试官对这个项目很感兴趣，让我详细讲一下。
我介绍的是一个AI私人助理，能接入日历、邮件、待办事项、知识库，帮用户做日程管理和信息汇总。用户可以说"帮我整理一下下周的日程并提醒我准备会议材料"，Agent会自动查询日历、生成待办、设置提醒。
面试官没有打断我，等我介绍完之后才开始提问。
- AI私人助理整体架构怎么设计？解决什么问题？
这个问题要求我站在全局视角把架构说清楚。
我的回答：
整体分四层：
用户交互层：接收自然语言输入，做意图识别和实体抽取 Agent调度层：根据意图选择合适的Agent或工作流 工具执行层：调用日历API、邮件API、知识库检索等 记忆层：短期记忆保存当前会话，长期记忆存储用户偏好和历史事实
解决的核心问题是：让AI能主动帮用户管理个人事务，而不是被动回答。
架构示意图：
- 高准确性场景怎么控制幻觉？
这个问题问的是Agent在需要精确输出的场景下如何保证可靠性。
我的回答：
控制幻觉有几种手段：
约束解码：对于特定输出格式，用JSON Schema约束LLM的输出结构 检索增强：所有事实性内容必须来自检索结果，而不是依赖模型参数记忆 引用溯源：每个事实点都带上来源引用 自我反思：生成后让模型自检一遍，或者用另一个模型做验证
最核心的一点：凡是涉及具体数据（时间、地点、数字）的，必须从工具返回结果中提取，不允许模型自己编。
- 幻觉率和引用错误率多少？业务上能否接受？
这道题问的是实际指标。
我的回答：
在我们的评测集上，幻觉率大概在3%-5%，引用错误率在2%左右。
业务上能不能接受取决于场景：
日程提醒类：不能接受，错了就是事故 信息汇总类：可以接受一定容错，但要有人工确认环节
面试官追问：怎么定义幻觉和引用错误？
我说：幻觉是"模型说了检索结果中没有的内容"，引用错误是"引用了文档但内容对不上"。前者更严重。
- AI生成代码安全性问题如何解决？
这道题问的是代码执行的安全边界。
我的回答（跟面试官确认了一下理解）：
AI生成的代码不能直接在宿主环境里跑，必须用沙箱隔离。具体来说：
用Docker容器限制资源（CPU、内存、磁盘） 设置网络隔离，禁止访问内网 限制系统调用，不允许文件写入和进程创建 设置超时和内存上限，防止死循环和OOM
面试官追问：Python的exec和eval能直接用吗？
我说：不能。exec在Python里是不安全的，可以执行任意代码。即使限制了globals，仍然有办法绕过。必须用沙箱，比如pypy在受限环境中运行，或者用nsjail这种系统级隔离。
- 定制了哪些能力？任务调度/状态回退/checkpoint/trace回放？
这个问题问的是Agent系统的可观测性和可恢复性。
我的回答：
我们在Agent框架里定制了四个核心能力：
任务调度：支持串行、并行、条件分支、循环四种执行模式 状态回退：当某个步骤失败时，回退到上一个稳定状态重试 Checkpoint：每执行完一个关键步骤就保存快照，包含当前上下文、已执行动作列表、中间结果 Trace回放：记录完整执行轨迹，用于离线调试和Badcase分析
Checkpoint的数据结构大致是：
1 2 3 4 5 6 7 8 9 10
{ "session_id": "xxx", "step": 5, "state": { "messages": [...], "tool_results": {...}, "current_task": "查询日历" }, "checkpoint_at": "2026-07-29T14:32:00Z" }
Trace回放特别有用。有时候Agent跑飞了，你不知道它怎么走到那一步的，有了完整轨迹才能定位问题。
- 长期/中期/短期记忆分别怎么设计？
这道题考的是记忆分层。
我的回答：
短期记忆：当前会话的消息列表 + 工具调用结果，存在内存里 中期记忆：跨会话但近期（比如过去7天）的对话摘要，存在Redis里 长期记忆：用户偏好、历史事实、周期性任务等，存在向量数据库里
每次新请求来了之后：
面试官追问：三个记忆怎么分层存储？
我说：短期用内存（快），中期用Redis（持久化+快），长期用向量库+MySQL（持久化+检索）。
- 记忆滚动更新、摘要压缩、结构化压缩怎么做的？
这道题问的是记忆维护的具体机制。
我的回答：
滚动更新：当对话轮次超过阈值（比如20轮），用滑动窗口丢掉最早的消息，但保留系统指令和关键事实。
摘要压缩：每N轮对话触发一次摘要：
1
旧摘要 + 最近N轮对话 → LLM → 新摘要
结构化压缩：把对话中的事实抽取成结构化三元组：
1
"明天下午三点有会" → {type: "schedule", time: "2026-07-30T15:00", event: "会议"}
三种方式配合使用：滚动更新保证不超窗口，摘要压缩保留语义，结构化压缩便于检索。
- Multi-Agent如何协作？ReAct、Path-Act
这道题问的是多Agent协同模式。
我的回答：
我们主要用了两种协作模式：
ReAct模式：单个Agent内部循环执行"推理→行动→观察"。适用于一个Agent独立完成任务的场景。
Path-Act模式：多个Agent按路径串行或并行执行。主Agent负责任务分解和路由，子Agent分别处理子任务，最后汇总结果。
协作流程：
不同点是：
ReAct：单Agent，循环迭代 Path-Act：多Agent，路径编排 11. Badcase怎么定义？review拒绝/用户不采纳/高质量样本分别怎么处理？
这道题问的是Badcase管理。
我的回答：
我们把Badcase分成几类：
Review拒绝：业务审核人员直接打回的案例 → 立即分析原因，修复 用户不采纳：用户对结果不满意或点了"没用" → 定期抽样分析 高质量样本：用户明确点了"有用" → 标记为正样本，入库
处理流程：
1 2 3 4
Badcase → 分类 → 分析根因 → 修复策略 ├── 检索问题 → 优化检索策略 ├── 模型问题 → 收集训练数据 → SFT └── 规则问题 → 修改Prompt或业务流程a
面试官追问：用户不采纳和review拒绝的区别？
我说：review拒绝是"内容有硬伤"，用户不采纳可能是"内容没问题但不符合预期"。前者必须修，后者需要进一步理解用户真实需求。
- Badcase回流到SFT的完整链路？
这道题问的是数据闭环。
我的回答：
完整链路是这样的：
1
线上Badcase → 人工标注修正 → 构造训练样本 → SFT微调 → 离线评测 → 灰度上线 → 线上验证
每一步：
Badcase收集：从线上日志里捞取review拒绝、用户低评分、自动检测异常（如幻觉） 标注修正：人工改写正确答案，形成{问题, 错误输出, 正确输出}三元组 样本构造：把修正后的数据混入训练集，注意不要过拟合 SFT：用修正数据微调模型 评测：在Badcase集合上验证修复效果，同时做回归测试确保不引入新问题 灰度上线：小流量验证，观察Badcase率变化 13. 评测体系谁搭的？检索评测/生成评测/链路评测/线上评测怎么做的？
这道题问的是评测体系建设。
我的回答：
评测体系是我主导搭建的，分了四个维度：
检索评测：
指标：Recall@K、MRR、NDCG 方法：人工标注Query-Doc对，自动化跑分
生成评测：
指标：准确率、幻觉率、引用正确率 方法：LLM-as-Judge + 人工抽检
链路评测：
端到端任务完成率 方法：用标准Case集跑完整流程，人工判定结果
线上评测：
A/B测试：新旧版本对比 用户行为指标：采纳率、满意度评分
- MCP和Skills如何注册和使用
这道题问的是能力接入机制。
我的回答：
MCP注册：
1 2 3 4 5 6 7
伪代码
mcp.register_tool( name="get_calendar_events", description="获取指定日期范围内的日历事件", input_schema={...}, handler=get_calendar_events_impl )
Skill注册：
1 2 3 4 5 6 7
skill = Skill( name="daily_summary", description="生成每日工作摘要", steps=[query_calendar, query_todos, summarize], triggers=["每天早上8点", "用户说'总结今天'"] ) skill_registry.register(skill)
使用流程：Agent通过MCP发现工具，调用时通过协议传递参数；Skill则是在调度层被调用，执行一个完整的工作流。
- Hermes是什么？如何加入？
这道题问的是内部工具或框架。
我的回答：
Hermes（面试官提到的一个内部工具，我询问了一下具体含义）。
面试官解释后我理解了——在DeepSeek的上下文里，Hermes应该是他们内部的一个Agent开发框架或平台。
关于"如何加入"：需要申请权限，接入Hermes的SDK，注册Agent后通过标准化接口与平台通信。平台负责提供基础设施（日志、监控、配额管理等）。
- Loop Engineering是什么？
这道题问的是Agent循环控制。
我的回答：
Loop Engineering指的是对Agent循环执行过程的精细化控制工程。
核心要素：
循环条件：什么时候继续、什么时候终止 步数限制：最大迭代次数 状态管理：每次迭代更新上下文 异常处理：工具超时、返回错误时的策略 观察裁剪：工具返回内容太长时如何截断
其实就是把Agent的循环从"while true"变成一个可控、可观测、可终止的工程系统。
- Graph Engineering是什么？和Loop Engineering有什么区别？
这道题问的是两个工程概念的对比。
我的回答：
Graph Engineering：把Agent任务流程组织成有向图，节点是步骤（推理、工具调用、条件判断），边是流转路径。支持分支、并行、循环、合并。
Loop Engineering：关注的是单个Agent的循环迭代控制，强调的是"步数管理"和"状态维护"。
区别：
关注层级
任务流程编排
单次循环控制
结构
图（节点+边）
循环（推理→行动→观察）
适用
复杂多步骤任务
ReAct类Agent
粒度
粗（步骤级）
细（单次迭代级）
两者可以结合：Graph里每个节点可能内部就是一个Loop。
- 知识助手类项目的场景和难点？
（这里原输入标号有点混乱，但内容是新项目RAG系统相关）
我的回答：
场景：企业内部知识问答，用户问政策文档、技术规范、产品手册相关的问题。
难点：
文档复杂：PDF有表格、图片、跨页段落，切分容易丢失语义 术语专业：企业内部术语多，通用检索效果差 时效性：文档有版本，需要区分新旧 合规要求：某些信息只能特定权限的用户看到 19. PDF/表格/条款类文档怎么解析和切分？
这道题和之前高德面过的PDF切分类似，但更聚焦在表格和条款上。
我的回答：
PDF解析：
文本型PDF：用PyPDF2或pdfplumber提取文本+坐标 扫描型PDF：用OCR识别
表格解析：
检测表格边界，提取行列结构，保留表头 对于复杂表格（合并单元格），用Camelot或Tabula
条款切分：
按条款编号层级切分（1.1、1.1.1） 每条条款保留完整上下文（上级条款的内容） 元数据记录：文档名、章节路径、版本号
切分原则：保持语义完整性 > 固定字数切分。
- 检索怎么优化？向量检索/关键词检索/rerank/query rewrite怎么配合？
这道题问的是检索pipeline。
我的回答：
完整的检索流程：
1
用户Query → Query改写 → 多路检索 → 融合 → 重排
Query改写：用LLM对问题做同义扩展和指代消解
配合方式：
Query Rewrite保召回（把一个问题扩成多个问法） BM25 + 向量保全面（关键词+语义） RRF融合保稳定 Rerank保精度 21. 多轮对话下怎么解决上下文断裂和幻觉？
我的回答：
上下文断裂：
每轮做Query改写，把指代和省略补全成完整问题 会话状态管理：记录当前对话的主题和关键实体
幻觉：
生成时强制引用检索结果 对时间、地点、数字等关键事实做后校验
两者的关系是：上下文断裂往往是幻觉的诱因，理解错了自然会答错。
- 这个项目有哪些不足？和后面Agent项目比差在哪？
这道题是让做项目对比。
我的回答：
知识助手项目的不足：
只能回答，不能行动（只读不写） 无法处理需要跨文档推理的复杂问题 多轮对话能力弱
和Agent项目的差距：
Agent能调用工具，知识助手只能检索 Agent有记忆和规划能力，知识助手是Query-Response模式 结论：Agent是知识助手的超级版 23. 怎么平衡准确率和效率？混合检索/TOPN精排/控制上下文长度/模型路由？
这道题问的是系统级的权衡。
我的回答：
几个手段配合使用：
混合检索：BM25（快）+ 向量（准），RRF融合
TopN精排：粗排召回200条，精排只用前20条
控制上下文长度：
检索TopN固定（比如10条） 每条文档截断到500字 动态计算，超出预算就降低N或缩短截断
模型路由：
简单问题走小模型（快、便宜） 复杂问题走大模型（准） 1 2 3 4 5 6 7
def route_model(query, intent): if intent in ["简单问答", "天气查询"]: return "qwen2.5-7b" elif intent in ["复杂推理", "代码生成"]: return "deepseek-v3" else: return "default"
准确率和效率本质上是trade-off，用技术手段在中间找平衡点。
- 大数据量高并发下怎么做成本和效率优化？架构怎么设计更合理？
这道题问的是大规模部署。
我的回答：
成本优化：
小模型处理大部分请求，大模型只处理复杂任务 Prompt缓存（相似Query复用上下文） 向量索引量化（如HNSW + PQ压缩）
效率优化：
异步处理：耗时任务走队列，不阻塞响应 批量推理：多个请求合并成batch 水平扩展：无状态服务加负载均衡
整体架构：
- 两个字符串的最长公共子串
手撕算法题。这道题是经典的动态规划。
我的答案：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
def longest_common_substring(s1: str, s2: str) -> str: m, n = len(s1), len(s2) # dp[i][j] 表示 s1[:i] 和 s2[:j] 的最长公共子串长度 dp = [[0] * (n + 1) for _ in range(m + 1)] max_len = 0 end_pos = 0 for i in range(1, m + 1): for j in range(1, n + 1): if s1[i-1] == s2[j-1]: dp[i][j] = dp[i-1][j-1] + 1 if dp[i][j] > max_len: max_len = dp[i][j] end_pos = i return s1[end_pos - max_len: end_pos]
- 职级预期、换工作原因、意见不合怎么推进
这部分是常规HR问题。
我的回答：
职级预期：根据当前职级和面试表现，期望匹配合理职级 换工作原因：希望在Agent开发方向有更深的技术积累 意见不合：用数据和事实沟通，不情绪化 27. 问了业务方向，偏AIGC创作
反问环节。面试官说他们偏AIGC创作方向，包括AI写作、剧本生成等。
我顺带问了一下技术和业务结合的挑战，面试官说目前最大的挑战是保证生成内容的连贯性和可控性。
最后说两句
这一轮面下来，感受就是：做的项目深度决定了你被问到什么层级的问题。
如果你只是调过API、跑过Demo，面试官不会深挖到Loop Engineering和Graph Engineering。但我那个AI私人助理项目从0到1做了一年多，被问到的全都是"你遇到了什么问题、怎么解决的"——这些没法临时编。
DeepSeek的面试官有个特点：追问特别多。每个问题答完之后，他会根据你的回答继续往下挖，挖到你答不上来为止。这其实是在找你的能力边界。
目前面完了二面，据说还有一轮。如果能过，离Offer就不远了。
觉得有用的朋友点个在看支持一下吧。 后面如果过了终面，我再来写一篇完整的面经和准备攻略。
评论区欢迎交流面试经验，一起上岸。
#求职低谷期你是怎么度过的##我的求职进度条##给26届的秋招建议##为了入行xx岗，我学了__##秋招投递记录# 大模型算法面经 文章被收录于专栏
大模型算法面经