
【字节】扣子是 Agent 平台还是工作流平台?低代码平台的优势和局限是什么?
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。
共 20 篇文章

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。

小米 AI 大模型二面真题:考 RAG 知识库的增量更新方案。核心是文档版本管理、按 doc_id 定向更新向量、变更检测与一致性保障。

快手大模型评测一面真题:考评测体系从 0 到 1 的搭建。核心是评测维度的扩展路径、数据集的构建来源与质量控制。

蚂蚁智能体岗一面真题:考 grep 与 RAG 检索的本质差异。核心是精确符号匹配 vs 语义向量召回,以及代码场景为何前者更合适。

蚂蚁 Agent 实习一面真题:考对长上下文成本的理解。核心是会话变长导致 prefill 增大、KV cache 膨胀,以及上下文压缩机制。

腾讯大模型岗真题:考 Agent 记忆系统的分层设计。核心是分清项目级规则、用户偏好、会话上下文的归属、生命周期和注入策略。

腾讯后台开发一面真题:考察 Agent 上下文工程——工具输出做服务端摘要/截断、日志预过滤与分级返回、map-reduce 式分段分析,以及关键证据保留的取舍策略。

腾讯大模型岗真题:辨析 Workflow(预定义路径、LLM 填充)与 Agent(自主规划、动态决策)的本质区别及选型标准,并讲清 MCP 与 A2A 两个协议各自解决的问题。

阿里 Agent 开发岗真题:考察 Agent 系统的分层架构设计——路由层做意图分发,管理层管规划、记忆与状态,执行层负责工具调用与校验,并说明各层职责边界。

阿里 Agent 开发校招一面真题:考察 RAG 拒答与澄清机制——检索置信度判定、生成层忠实度校验、模糊问题的主动澄清,以及拒答策略的评测与权衡。

阿里 Agent 开发校招一面真题:考察多模态文档 RAG——图片的 OCR/VLM 描述/向量化三条处理路线,chunk 与图片的关联索引,以及如何用引用和图片回填避免信息丢失。

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。

字节 AI Agent 岗二面真题:考察 Tool Calling 的完整设计——工具描述与 schema、参数校验与自愈重试、失败分类处理,以及危险工具的权限隔离和人工确认机制。

字节 AI Agent 岗二面真题:考察 Workflow 与 LLM 决策节点的划分原则(确定性、可枚举走 Workflow,开放性判断交 LLM),以及失败分支、重试、降级、人工兜底的工程设计。


考察 AI 产品度量能力:指标体系按北极星、效果、体验、护栏四层搭建,解决率口径容易被刷和误读,要用满意度、复访率、人工介入率交叉验证并分层切片。

考察迭代质量保障能力:prompt 当代码做版本管理、核心指标进 CI 门禁且阈值要大于自然波动、线上走灰度和 shadow 验证、护栏指标异常自动回滚。

考察安全攻防全景:风险分输入攻击(越狱、注入)、输出风险(有害内容、数据泄露)、系统风险(越权调用),防御靠输入输出过滤、护栏模型和权限最小化的分层体系。