文章目录
-
-
- 一、大厂安稳打工人现状，现在能躺平的都是狠人
- 二、基础概念高频问答，面试第一波必问
-
- [1. Claude Code 和 Codex 核心差异在哪？](#1. Claude Code 和 Codex 核心差异在哪？)
- [2. Agent提示词分层结构，哪些模块不能少？](#2. Agent提示词分层结构，哪些模块不能少？)
- [3. 自研Coding Agent对比两款主流工具，优势在哪？](#3. 自研Coding Agent对比两款主流工具，优势在哪？)
- 三、上下文压缩，面试重灾区，三层方案记牢
-
- [1. 三层压缩分别处理什么内容？](#1. 三层压缩分别处理什么内容？)
- [2. 压缩过度丢失关键信息，怎么排查修复？](#2. 压缩过度丢失关键信息，怎么排查修复？)
- 四、工具与技能核心区分，九成求职者分不清
-
- [1. 完整工具调用流程](#1. 完整工具调用流程)
- [2. Tool 和 Skill 不能互相替代，核心区别](#2. Tool 和 Skill 不能互相替代，核心区别)
- [3. Skill三层渐进加载设计](#3. Skill三层渐进加载设计)
- 五、增量需求、复杂任务规划场景题
-
- [1. 用户中途补充新需求，增量修改怎么处理？](#1. 用户中途补充新需求，增量修改怎么处理？)
- [2. 复杂任务Plan-and-Execute执行逻辑](#2. 复杂任务Plan-and-Execute执行逻辑)
- [3. 多Agent团队编排架构](#3. 多Agent团队编排架构)
- 六、最后聊聊当下程序员求职变化
-
P.S. 挖到宝藏AI教程！全程通俗易懂，风趣幽默，零基础轻松入门，传送门https://blog.csdn.net/qq_34419312
一、大厂安稳打工人现状，现在能躺平的都是狠人
身边全是卷到脚不沾地的同行，结果刷到携程一位研发老哥的分享，直接给我整破防了。
干满四年，月薪稳定三万，涨薪基本停滞，但人家一点不焦虑，主打一个知足常乐。
换别人早开始骑驴找马疯狂跳槽了，毕竟现在AI行业卷得像赶春运末班车，早上出新模型得测，中午新框架要上手，下班还得蹲群跟进行业动态，24小时脑子没法关机。
说句实在的，这年头能说出"稳定挺好"的程序员，心态直接碾压百分之九十同行。
我们天天追新技术、冲高薪，反倒忘了上班本质是为了生活，准点下班、周末不被消息轰炸，这种福利现在比年终奖还稀缺。
稳定环境反而更适合沉下心啃AI新知识，天天内耗焦虑，根本静不下心研究Agent底层逻辑。
下面整理一套实打实的Agent面试原题，想入行AI开发的朋友可以吃透。
二、基础概念高频问答，面试第一波必问
1. Claude Code 和 Codex 核心差异在哪？
两款工具赛道完全分开，别混为一谈。
Claude Code是终端智能体，不用开IDE就能写代码，全程实时交互，命令、改文件、读源码操作可视化，随时打断纠正，终端场景里没有对手。搭配Opus模型处理长文本、架构梳理优势拉满。
Codex是OpenAI桌面端工具，异步多线程架构，可视化面板做得更完善，适合搭配GPT-5.6 Sol做重度代码生成、绘图，超大token消耗任务交给它更合适。
段子插一句：别以为都是写代码Agent就通用，就像奶茶和咖啡都提神，加班场景适配度天差地别。
2. Agent提示词分层结构，哪些模块不能少？
我自己搭建Agent用九层拼接提示词，分静态、动态两大块。
前四层全程固定不变：身份定义、人格、执行模式、审批规则，这四层放最前面是为了缓存命中率，每次请求前缀统一，token成本直接砍半。
后五层每轮对话都会变动：运行时区、项目记忆、技能索引、上下文管控、收尾指令。
硬性必带两层：身份层、模式层，少了模型不知道自己能干啥、该用哪种推理逻辑；人格、技能索引属于加分项，不加也能跑，但精准度暴跌。
吐槽一句：很多新手写提示词乱堆内容，动态信息塞最前面，缓存直接失效，老板看账单都得心疼三分钟。
3. 自研Coding Agent对比两款主流工具，优势在哪？
单纯会用工具只能算使用者，吃透底层才算开发者。
市面上现成Agent遇到故障很难定位：工具选错、上下文丢失、代码风格不匹配，普通人只能反复改prompt碰运气。
我干脆从零写了一套CLI智能体，ReAct循环、工具调用、记忆管理、MCP协议全部自研，吃透底层源码后，再用Claude Code完全是降维使用。
能精准把控指令写法、手动压缩冗余上下文、优化工具描述提升调用准确率，不会被工具牵着鼻子走。
三、上下文压缩，面试重灾区，三层方案记牢
1. 三层压缩分别处理什么内容？
第一层：单次工具输出截断，grep查询几千行日志直接截取首尾关键信息，中间用摘要填充，无LLM调用，零成本，每次工具返回自动执行。
第二层：历史对话摘要，token达到窗口80%阈值触发，保留近几轮完整对话，早期历史交给大模型压缩，留存用户需求、已完成操作、待解决任务。
第三层：紧急降级兜底，前两层压缩后依旧超限，优先丢弃技能索引、低优先级项目记忆，核心对话全程保留，辅助信息后续可以重新加载。
小吐槽：只做一层压缩纯属偷懒，要么提前浪费上下文空间，要么直接超限报错，面试说单层方案直接扣分。
2. 压缩过度丢失关键信息，怎么排查修复？
两个直观异常信号，一眼就能判断：
- 模型重复执行历史操作，十分钟前读取过的文件再次重读，或者直接表示不清楚前期沟通内容；
- 同类任务成功率断崖下跌，之前顺畅完成的需求频繁报错。
三套修复手段：动态增加保留对话轮数、标记核心需求不可压缩、压缩前备份完整历史，异常时回滚重新保守压缩。
四、工具与技能核心区分，九成求职者分不清
1. 完整工具调用流程
三段式循环，无限迭代直到任务完成：
- LLM生成结构化工具调用请求，匹配对应工具与参数；
- 安全审批校验，文件修改、命令执行等高危操作限制路径、屏蔽黑名单，需要人工确认则暂停等待；
- 线程池并发执行，最多4个工具同步运行，执行结果存入对话历史，模型接收后规划下一步动作。
2. Tool 和 Skill 不能互相替代，核心区别
| 对比维度 | Tool（工具） | Skill（技能） |
|---|---|---|
| 本质 | 可执行操作：读文件、执行命令、检索代码 | 决策经验：工具使用策略、项目编码规范 |
| 调用方式 | 模型通过tool_call协议发起 | 加载后注入上下文持续生效 |
| 生命周期 | 单次调用，用完销毁 | 驻留上下文，长期影响模型判断 |
大白话理解：工具是我们的手，技能是脑子里的经验，光有手不会判断，光懂经验没法实操，二者互补缺一不可。
举个生活化例子：手能拧螺丝，但得靠经验判断该拧哪一颗，总不能靠脑子凭空拧螺丝吧。
3. Skill三层渐进加载设计
不会一次性全量塞进上下文，严控token消耗：
- 索引层常驻：仅存放技能名称+一句话简介，控制4KB内，最多20个，缓存友好；
- 正文按需加载：模型识别任务需要对应技能，调用工具拉取完整指令，LRU缓存最多留存3个，久未使用自动淘汰；
- 参考文档延迟加载：仅技能指令明确要求时才读取配套文档。
现实场景举例：新增分页接口开发，工具调用10-15次，技能只加载1次，调用比例10:1，全量加载纯纯浪费算力。
五、增量需求、复杂任务规划场景题
1. 用户中途补充新需求，增量修改怎么处理？
不直接在原有计划追加任务，走完整重规划流程。
新增需求时，系统同步传入原始任务、已完成步骤摘要、补充需求，规划器重新生成全流程方案。
追加任务会破坏原有依赖关系，比如原有流程：建数据表→写CRUD接口，新增缓存需求后，读写接口逻辑全部改动，单纯追加缓存步骤会导致代码逻辑冲突。
2. 复杂任务Plan-and-Execute执行逻辑
简单小需求直接ReAct一步完成，复杂任务启动规划模式：
- 规划器拆解带依赖关系的子任务JSON，每个任务标注ID、依赖列表；
- 拓扑排序校验循环依赖，无依赖任务并行执行；
- 用户可提前审核计划，调整需求后重新拆解。
3. 多Agent团队编排架构
三类角色职责完全隔离，对话历史互不互通：
- 规划器：只拆解任务，无任何工具操作权限；
- Worker执行员：持有全部工具，负责编码、文件操作，最多2个并行；
- 审查员：校验产出质量，不合格最多两次打回重做，禁止修改代码。
设计核心逻辑：避免裁判员兼任运动员，审查员一旦拥有工具权限，自查代码会出现标准放宽问题，出bug分不清是谁的责任，边界清晰方便问题定位。
段子补充：就像考试监考老师不能自己下场答题，规则分开才能保证公平。
六、最后聊聊当下程序员求职变化
放在前两年面试，面试官疯狂深挖并发、中间件、设计模式八股，背熟就能稳过一面。
现在风向彻底变了，大厂AI岗张口就是提示词分层、上下文压缩、多智能体编排，老八股作用大幅缩水。
AI正在重新划分程序员能力层级，技术栈迭代速度肉眼可见，不用焦虑内卷，稳住节奏每天吃透一点新知识，长期积累差距自然拉开。
像携程那位老哥一样，守住稳定节奏，兼顾生活和技术提升，才是长久的最优解。
P.S. 挖到宝藏AI教程！全程通俗易懂，风趣幽默，零基础轻松入门，传送门https://blog.csdn.net/qq_34419312