Coding Agent 面试到底在考什么？拆解 Prompt 组装、上下文压缩与 Tool/Skill 之争

引言

最近一篇「携程员工谈 Agent 面试」的帖子在掘金火了，帖子末尾附了 14 道 Coding Agent 面试题，评论区不少人说"背下来就能过"。但如果你真的去背，会发现一个残酷的事实：这些题的答案半年就换一茬------今天考 LangChain 的 Memory 机制，明天框架就重构了。

真正稳定的，是这些题背后考察的三条主线：Prompt 组装（怎么把上下文喂给模型）、上下文管理（怎么在有限窗口里塞下无限任务）、能力边界划分（Tool、Skill、MCP 到底怎么分）。这篇文章就把这三条主线拆开讲透，无论你是准备面试，还是在做自己的 Agent 项目，都用得上。

一、Prompt 组装：不是"写好一句话"，而是"设计一个模板"

很多人对 Prompt 的理解还停留在"怎么写一句咒语让模型听话"，但工程化的 Agent 系统里，Prompt 是运行时拼装出来的产物。一个典型的 Coding Agent 请求，最终发给模型的 Prompt 大致由这几层叠成：

System Prompt：定义角色、硬约束（比如"不要主动删文件"）、输出格式契约；
工具清单：每个工具的名称、参数 schema、使用说明------这部分往往占掉几千 token；
记忆与摘要：跨会话的长期记忆、本会话早期对话的压缩摘要；
当前任务上下文：用户请求 + 最近几轮对话 + 相关文件片段；
格式化指令：要求模型按特定结构输出（便于程序解析）。

面试官问"Prompt 组装怎么做"，实际想听的是你对信息分层和优先级的理解：窗口不够时先牺牲哪一层？工具描述怎么精简？System Prompt 里的约束如何保证不被长对话稀释？一个好的回答应该能画出这张分层图，并说清每层的 token 预算策略------比如固定预算给 System 和工具层，动态预算给任务上下文，摘要层用"超出阈值就触发压缩"的策略兜底。

二、上下文压缩：三层结构才是工程化的答案

Coding Agent 跑长任务时最经典的崩溃方式：跑着跑着，上下文满了，模型开始"失忆"------忘记最初的约束、重复已完成的步骤。工程上的解法是三层上下文架构：

热层（Working Memory）：最近 N 轮完整对话 + 当前正在编辑的文件，保留原文，精度最高；
温层（Session Summary） ：更早的对话被压缩成结构化摘要------完成了什么、修改了哪些文件、遗留哪些问题。注意摘要必须是结构化的（任务状态、文件清单、决策记录），而不是一段散文，否则模型检索不出关键信息；
冷层（External Memory）：落盘到文件或向量库，需要时通过检索工具按需取回。

面试题里常问"为什么不能只靠 summarization"。答案在于有损性不可控 ：LLM 做摘要时会自由发挥，丢掉它认为不重要但实际关键的细节（比如某个隐式约束）。所以成熟的做法是：摘要由程序驱动的固定模板生成，关键字段（约束、决策、文件路径）强制保留原文，只有叙述性内容才允许压缩。再配合"压缩前把关键状态落盘"的检查点机制，做到就算摘要失真，冷层还有原始记录可查。

三、Tool、Skill、MCP：三道边界，别再混着说

这可能是 14 道题里出现频率最高的一组概念，也是最容易答混的。用一句话区分：

Tool 是"一次调用"：模型在推理过程中执行的一个原子操作，比如读文件、跑 shell 命令。它由运行时注册，生命周期是一次请求。
Skill 是"一套打法"：预打包的领域知识 + 工作流程，本质是往上下文里注入一份"怎么做某类事"的说明书。它不直接执行，而是改变模型的行为模式。Tool 回答"能做什么"，Skill 回答"该怎么做"。
MCP 是"接入协议"：解决的是 Tool 的分发与标准化问题------工具提供方按统一协议暴露能力，宿主按统一协议发现和调用，N×M 的集成问题变成 N+M。

面试时能讲清"为什么需要 MCP"会明显加分：没有协议层时，每个 Agent 框架都要为每个外部系统写一份胶水代码，重复且脆弱；MCP 把"工具定义、发现、调用"标准化之后，一个 MCP Server 写一次，所有支持协议的客户端都能用。这就是协议层在 AI 时代的价值------和 TCP/IP 之于互联网是同构的思路。

四、Multi-Agent 与 A2A：什么时候该拆，什么时候别拆

另一个高频考区是 Multi-Agent。很多人上来就答"拆成多个 Agent 协作"，但这恰恰是踩坑最多的架构决策。拆分的收益是上下文隔离和职责专一，代价是通信开销和状态同步的复杂度。

一个实用的判断标准：当单个 Agent 的上下文已经装不下所有任务信息，或者不同子任务的工具集差异极大（比如"写代码的"和"跑测试的"需要完全不同的环境）时，才值得拆。否则，"一个强大的 Agent + 好的上下文管理"几乎总是优于"一群互相传话的小 Agent"。

而 A2A（Agent-to-Agent 协议）解决的是跨系统的问题：不同团队、不同框架的 Agent 如何互相发现、协商能力、交换任务。它和 MCP 是互补关系------MCP 连接 Agent 与工具，A2A 连接 Agent 与 Agent。

总结

回到开头那 14 道面试题，你会发现它们万变不离其宗：上下文工程是 Coding Agent 的第一性原理。Prompt 组装是上下文的"静态设计"，压缩管理是"动态调度"，Tool/Skill/MCP 是"能力供给"，Multi-Agent 是"规模化的上下文切分"。

准备面试的正确姿势不是背题，而是拿这四个维度去审视自己做过的项目：你的上下文分层了吗？压缩策略是有损可控的吗？工具边界清晰吗？真被问到时，你能画出来的那张架构图，比任何背诵都值钱。