AIAgent负责人面试
针对字节AI Agent研发负责人岗的系统化面试准备，覆盖Agent技术深度与工程领导力
career · AI Agent · 面试准备 · 技术领导力 · 系统设计 · LLM · 作者：哈哈哈 · 1 人学过
学什么：Agent核心架构模式（ReAct/Plan-Execute/Reflexion）、工具调用与Function Calling、记忆与规划、多Agent协作、RAG、Prompt高级技巧、Agent评估与可观测、推理与成本优化、安全与对齐、Agent系统整体设计、技术选型与trade-off分析、跨团队协作与项目主导、字节文化匹配（高效率迭代/Always Day 1）
不学什么：纯算法/数据结构coding题、HR通用行为面中与技术决策无关部分、传统后端/前端工程细节、入门级LLM科普
知识地图
Agent基础与核心范式
讲清Agent认知循环、ReAct/Plan-Execute/Reflexion及Anthropic五类工作流的工作原理与选型决策
整张地图的根，回答「什么是Agent、Agent如何思考与行动」——为后续工具调用、记忆、协作、评估等所有模块建立统一的范式分析框架。
工具调用、记忆系统与RAG
掌握Function Calling/MCP双协议、记忆分层设计与RAG检索增强原理，能为生产级Agent设计工具与知识接入层
在范式基础上解决「Agent如何与外部世界交互、如何获取和保留知识」——为多Agent协作与系统设计模块提供工具能力与知识能力的baseline。
多Agent协作与Prompt高级工程
理解多Agent拓扑、角色分工与协作协议，掌握CoT/ToT/SC等高级Prompt技巧，能设计结构化、可约束的Agent交互
从单Agent扩展到多Agent系统，解决「复杂任务如何拆解、角色如何协同、对话如何可控」——为系统设计与trade-off模块提供上层组织模式。
评估、可观测、成本与安全
掌握Agent评估方法论与主流基准、trace/log体系、推理成本优化路径与安全护栏设计，能回答「Agent在生产环境如何可靠且经济」
聚焦Agent上线后的工程问题——为系统设计模块提供「生产约束」维度，并为lead面试提供「质量/成本/风险」三角的讨论基础。
Agent系统整体设计与技术选型
能从零设计一个生产级Agent系统的全栈架构，并对「自研vs框架、单vs多Agent、同步vs异步、自托管vsAPI」等关键决策给出清晰trade-off
把前面所有能力串成一个完整系统——直接对标面试官最常考的「画一个Agent系统图」题，主攻高层级决策的取舍与落地阶段划分。
AI项目技术领导力与组织推动
展现1-3年经验者的「端到端技术Owner」姿态，能讲清楚「如何驱动跨职能AI项目从0到1」，并自然对齐字节高效率迭代与Always Day 1文化
把前4个模块的技术能力转化为leadership信号——主攻面试最后一公里：技术决策如何传达、跨职能冲突如何处理、如何在「小步快跑」中守住质量底线。