
【字节跳动】AI Agent 和 Function Calling 在概念上怎么区分?两者是什么关系?
字节实习一面真题:考察对两个基础概念的边界理解——Function Calling 是模型的结构化工具调用能力,单次、无状态;Agent 是目标驱动的多步循环系统,FC 只是它的一个可选组件。
共 20 篇文章

字节实习一面真题:考察对两个基础概念的边界理解——Function Calling 是模型的结构化工具调用能力,单次、无状态;Agent 是目标驱动的多步循环系统,FC 只是它的一个可选组件。

字节实习二面真题:考察对 VLM 架构谱系的梳理——双塔对比式(CLIP)、LLM 外挂视觉编码器(LLaVA/BLIP-2)、原生早融合三类路线,差异在融合深度与图文 token 的处理方式。

字节社招真题:考察 AI 辅助编程的工程治理——把 AI 代码当初级工程师产出看待,小 PR、强制测试、静态扫描、作者必须能讲清逻辑四道关,以及典型事故模式与流程补救。

字节实习一面真题:考察对 RLHF 多目标优化的工程理解——直接加权简单但易失衡和 reward hacking,更优方案是硬约束与软目标分层、分维度归一化、动态权重与分维度监控。

字节实习一面真题:考察对开源模型架构的横向对比——三者同为 decoder-only,但注意力机制(GQA/滑窗)、FFN 结构、归一化、MoE 路线选择不同,差异背后是推理成本与长上下文取舍。

字节实习一面真题:考察对 R1 技术路线的理解——核心突破是验证纯 RL 可涌现推理能力(R1-Zero)并全量开源,R1 用冷启动 SFT 加 GRPO 多阶段训练解决可读性与语言混杂问题。

字节一面真题:Agent Skill 是把领域 know-how 打包成可复用能力包的机制,靠元数据-正文-资源三级渐进加载省 context;与静态 prompt 模板的差别在触发、资源与生命周期。

字节一面真题:Host 是用户面对的 Agent 应用,Client 是 Host 内每个 server 的专属协议连接,拆分是为关注点分离与故障隔离;Tools/Resources/Prompts 按控制权归属分三类。

字节跳动智能体算法实习二面真题:考察 Agent 能力体系的分层认知——感知、规划、工具使用、记忆、反思五大核心能力各自的内涵与工程实现,以及 Skills 作为可插拔能力单元的设计价值。

字节跳动智能体应用开发社招真题:考察 AI 辅助编程的工程治理——AI 代码的审查清单(幻觉依赖、密钥泄漏、边界处理)、测试与责任边界,以及 Vibe Coding 的适用边界。

字节跳动大模型智能体算法一面真题:考察 SFT 数据工程——真实数据与合成数据的配比、指令多样性设计、质量过滤手段,以及「质重于量」的取舍逻辑。

字节跳动 AI 基础设施开发实习真题:考察 MCP 协议的定位——统一工具接入标准、解耦模型应用与工具实现,client/server/host 三段式工作流程,以及无 MCP 时代的硬编码集成之痛。

字节跳动智能体应用开发社招真题:考察垂直领域知识库构建——术语黑话的词表治理、query 改写与同义词归一、工单日志挖掘,以及版本更新后的知识保鲜机制。

字节跳动番茄智能体应用开发二面真题:考察 OCR 噪声的后处理纠错——规则清洗、词典纠错、语言模型/LLM 纠错三条路线,以及噪声对检索和生成的具体传导路径。

字节跳动 LLM 应用算法岗三面真题:考察 RAG 分块的必要性——embedding 输入长度限制、语义稀释、检索粒度三个原因,以及常用切片策略和重叠设计。

字节跳动 LLM 算法实习二面真题:考察 scaled dot-product attention 的缩放动机——点积方差随维度线性增长、softmax 饱和导致梯度消失,以及缩放系数的推导和工程变体。

字节跳动 AI 岗一面真题:考对 Coze 平台定位的理解。核心是它兼具 Agent 编排与工作流引擎双重属性,以及低代码范式的能力边界。

字节 AI Agent 岗二面真题:考察指令遵循问题的排查方法论——先定位失败类型(格式/约束/忽略),再用 prompt 工程、结构化输出、后校验分层治理,并用离线评测集量化改进效果。

字节 AI 岗一面真题:考察 RAG 评测体系——检索层(Recall@K、MRR)与生成层(忠实度、答案相关性)分开评,以及单点指标必须结合基线、业务标准和数据分布才能下结论。

字节 AI Agent 岗二面真题:对比传统单次检索 RAG 与 Agentic RAG(多轮检索、查询改写、自我校验)的本质差异,并给出多轮调用带来的成本与稳定性控制手段。