DeepSeek Agent面试分享 DeepSeek本来以为就两面技术，结果加了一轮总裁面 #agent 开发一面二面三面关注点各不一样 但都有一个共同点就是观察项目的真实性 具体每轮面试的区别，可以看视频#大模型 #大模型应用 #程序员白泽 @DOU+小助手

刚面完DeepSeek Agent的开发岗，太累了，沙发躺会儿，瞬间分享下大模型的面试思路。 DeepSeek正常的技术面一般是两轮，但我要的薪资比较高，所以后面又被加了一轮总裁面。 技术一面、技术二面和总裁面问的问题都不太一样，但有一个共同点，就是判断我这边到底有没有真的做过Agent的系统。 技术一面问了包括像整个Agent完整的链路是怎么运转的，从用户输入到最终完成任务，中间经历了哪些步骤。 也问了像用户输入一个需求以后，Agent如何理解用户的意图，并进行任务拆解。任务拆解后，Agent如何决定先做什么、后做什么，以及什么时候适合调用什么模型、调用什么工具。 接着又问了Skill设计、长短期记忆、长期记忆、存储膨胀问题，以及像上下文窗口总Token是多少，触发压缩的上限阈值如何规定。 还问了在不同业务场景下模型应该如何选型，如果让Agent写1000行代码大概会消耗多少Token，成本是多少，额外Token计费的规则是什么。 很多都是真实开发中必须要考虑的一些技术细节。我自己最大的一个感受就是面试官他不是说在听我讲概念，而是在判断我的项目到底有没有真实的跑过。 所以如果我这边只要说一个设计点，他马上就会追问为什么这么设计，有没有遇到过问题，成本是多少，效果怎么评估，线上怎么兜底。 大模型的面试，如果大家的项目只是跟着教程跑了个Demo，没有真正思考过像链路记忆、上下文成本和异常处理这类问题，第一轮面试是很容易被问穿的。 如果想要领大模型的真实面试题、完整的大模型面试题大纲、AI高效学习路线，可以评论区扣AI我发你。 到了技术二面，考察的方向明显变了。技术二面主要问了很多Agent架构设计的问题，包括模型的选型和成本控制。 比如，如果让你从0到1设计一个企业级的Agent，会如何去设计整体的架构，一个Agent系统应该拆分成哪些核心模块，每个模块分别负责什么。 Agent如何做任务识别，然后怎么判断是简单还是复杂任务，对于复杂任务，Agent该如何进行任务拆解和执行计划生成。 Agent在执行任务过程中如何判断当前步骤是否成功或者失败，失败后如何重试、回滚或者重新规划。 如何结合向量检索、关键词搜索、日志分析和调用链分析，去设计Agent的代码上下文理解能力，吃透整个系统。 Agent工具调用系统应该怎么设计，也问了很多Agent生产落地的专项问题，所以技术二面本质上考察的是架构思维。 它不再只是问某一个功能会不会写，而是在问，如果这个Agent真的要给企业用，能不能把它设计得稳定、可扩展、可评估、可上线。 这里我有一个很深的感受，就是很多人学大模型应用开发，只是停留在能跑起来的阶段。 但大厂面试官真正关心的是，这个系统能不能长期跑，多人用会不会出问题，任务失败后怎么恢复，工具调用有没有权限边界，Token成本能不能控制住，效果有没有指标衡量。 所以技术二面不是在考你会不会做一个Agent，而是在考你有没有把Agent做成一个工程化的系统。 然后到了第三面，总裁面，总裁面没有继续问特别细的技术实现，主要问了一些大模型的开发问题。 问我为什么选择Agent这个方向，以及对Agent未来的判断是什么，问我是追求短期的热点，还是长期看好这个方向。 接着又问了我和其他人的差异是什么，我说我跟其他候选人相比，我既懂大模型，又懂工程落地，也懂业务场景。 同时我在2022年大模型还没火的时候，就已经从事大模型应用开发，像是国内第一批大模型应用开发工程师。 然后他又问：“你能给公司带来什么价值？”我就给他又详细地介绍了架构、我的真实项目经验，然后给他介绍了我的经验会如何迁移到公司的业务中。 总裁面最后问我愿不愿意带团队，有没有信心把他们的某一个业务带到行业的头部。 总裁面给我的一个感觉就是问得很直接：你如果要高薪是可以的，但是必须向他证明一件事。 就是候选人必须具备能够独当一面的能力，最好能独立负责一个方向，拥有主动意识，能带项目、带业务，能帮公司拿到结果。 这次GPC的面试完了之后，我最大的感受就是大模型应用开发已经到了一个新的阶段。 技术一面主要考察项目的真实性，深挖项目的细节，重点问Agent的链路、Agent的系统设计、长短期记忆、向量数据库等知识。 技术二面的重点是系统架构、安全和Agent落地，总裁面考察的是长期的个人贡献和个人价值。 如果大家想入行Agent，只会提示词或者调改API，或者能做一个简单的Agent的demo是远远不够的。 最近我也整理了近千份大厂的真实面试录音，包括千问、腾讯、美团以及一些AI创业公司的，发现大家考察的方向越来越一致。 真正问Transformer、目标检测的越来越少，问业务场景的越来越多。 所以如果想转型大模型应用开发，一定要把项目中的设计思路、技术选型、兼容性问题、性能优化、异常处理、成本控制这些内容讲清楚。 因为这些才真正决定了你能不能拿到offer。 我根据今天份的一个真实的面试录音，整理出了最新版的AI大模型学习路线，30多个企业级项目方向以及完整的大模型面试题大纲，想要领取的小伙伴评论区回复AI，我发给你看下。