美团Agent面试备战
面向美团Agent开发岗面试的核心考点突击与讲解练习
tech · 科技 · AI · Agent · 面试 · 大模型 · 作者：哈哈哈 · 3 人学过
学什么：Agent核心架构与运行机制、工具调用与Function Calling、Prompt与上下文工程、RAG原理与典型实现、Multi-Agent协作模式、美团本地生活/外卖/推荐等业务场景下的Agent设计题、常见面试题讲解与复盘
不学什么：预训练与微调底层细节、深度学习数学推导、与Agent方向无关的ML系统内容
知识地图
Agent 核心架构与运行机制
用一张图讲清Agent的认知循环与三大主流范式，能区分ReAct/Plan-Execute/Reflexion，并描述短期/长期/episodic/semantic记忆的工程取舍与主流记忆框架的选型
建立Agent的「心智模型」与共同语言底座，为后续工具调用、上下文工程、RAG、Multi-Agent、生产工程化各章提供统一的概念框架。
工具调用与Function Calling工程化
能独立设计一个生产可用的工具调用流程：协议、Schema、错误处理、并行与依赖编排、动态工具集三路线、MCP生态与传输层取舍
工具是Agent的手和眼。本章从协议层讲到工程层（Schema设计、重试、并发、动态工具集、MCP），是美团面试必问模块。
Prompt与上下文工程
能写出五段式生产级系统提示、做上下文预算管理、掌握结构化输出三方案、识别并防御Prompt Injection
上下文即Agent的工作记忆。本章从系统提示五段式讲到长上下文管理、结构化输出方案与提示攻击防御，是面试考察「工程素养」的高频区。
RAG原理与典型实现
能完整讲出RAG全链路（索引-检索-生成）的关键技术选型、评估指标、典型失效模式与GraphRAG/Agentic RAG的适用边界
RAG是Agent的「长期记忆与外部知识」机制。本章从朴素RAG演进到Advanced/Modular RAG，覆盖向量化、Chunking、检索、重排、评估、GraphRAG全链路。
Multi-Agent协作模式与框架
能讲清主流Multi-Agent拓扑的通信机制、状态管理与失效模式，能选型AutoGen/LangGraph/CrewAI，并理解Multi-Agent与RAG的深度耦合关系
当单Agent遇到认知与上下文瓶颈，需要拆分为多Agent协作。本章拆解Supervisor/Swarm/Hierarchical三类拓扑，对接主流框架，并剖析典型失效模式以及与Module 3 RAG-backed共享记忆的耦合关系。
Agent生产工程化、美团业务场景与面试复盘
能在白板上针对美团业务题给出可上线的Agent方案（评估、可观测、成本、HITL均完备），并能用费曼式三档表达应对高频追问
把前四章的能力落到生产工程与美团业务。本章覆盖评估与可观测性、成本与延迟工程、HITL与安全护栏、美团本地生活/外卖/推荐场景设计、面试费曼表达五大板块，是面试冲刺模块。