【极客时间】AI Agent系统设计面试现场

这份资料的主题很明确：把 AI Agent 的系统设计放到面试场景里去拆。它不教你写第一个 prompt，也不带你跑通一个 demo，而是从「如果面试官让你在白板上画一套 Agent 工程体系，你要说什么」这个角度切入。对已经能调通大模型 API、但说不清自己项目里各层职责怎么划分的开发者，这种视角的转换比再刷一遍框架文档更有用。

它解决的是"会说"和"会做"之间的断层

多数人接触 AI Agent 是从 LangChain、LlamaIndex 或某个国产框架的 quickstart 开始的，跑通一个 ReAct 循环不难。难的是被追问：工具调用失败怎么兜底、多轮记忆怎么压缩、Planning 和 Execution 怎么解耦、为什么要引入一层 Orchestrator。这门课的内容结构基本围绕这类问题展开，把「调用大模型」和「完整的 Agent 工程体系」当成两个不同的东西来讲。

直播回放那部分标题里就点了这个差异——从调用大模型到完整的 Agent 工程体系。这意味着它不是按 API 文档顺序讲，而是按系统分层的顺序讲：模型接入层、工具/函数层、记忆与上下文层、任务编排层、可观测与评估层。每一层在面试里都可能被单独拎出来问，而能不能答得上，取决于你有没有在自己项目里真的分过这些层。

可复用的部分在于分层思路而非代码片段

这类面试向内容的价值不在于给你一段能直接粘贴的代码，而在于提供一套描述自己项目的语言。比如同样一个「查询订单状态」的工具实现，你可以描述成"注册在 Tool Registry 里、带 schema 校验、由 Executor 统一调度、失败走重试和降级"，也可以只说"我写了个函数给模型调"。前者在面试里是加分项，后者会让面试官怀疑你只是跟着教程走的。

配套的示意图值得单独看。这类系统设计题的信息密度往往在一张分层图里：哪些是横切关注点（日志、限流、成本控制），哪些是纵向链路（用户输入→意图识别→规划→执行→结果聚合）。把图拆成模块，再对应到自己项目里找证据，比背八股有用。

面试实战那部分要带着自己的项目去对照

「面试实战技巧」这个提法容易让人误会成话术训练，实际更接近结构化的表达训练。常见的问题形态是：给你一个具体场景（比如"做一个能查数据库、能发邮件、能调外部 API 的客服 Agent"），让你现场拆解。回答的得分点通常落在几个地方——边界怎么划、状态存在哪、失败怎么恢复、怎么评估效果、成本怎么控。

建议的用法是：先自己写一版答案，再看资料里怎么组织。差异往往不在知识点，而在表达的层次感。很多人一上来就讲用了什么框架，而面试官想先听你讲系统长什么样。

适合谁、怎么用

• 已经做过至少一个 Agent 相关项目，但说不清架构的开发者；
• 准备面 AI 应用/平台方向，需要把散落的实践经验组织成体系的人；
• 正在设计内部 Agent 平台，想参考一套分层和职责划分思路的工程同学。

不建议零基础直接上，因为内容默认你知道什么是 function calling、什么是向量检索、上下文窗口限制意味着什么。比较实际的路径是：先动手跑一个最小 Agent，遇到具体问题（记忆太长、工具太多选不准、结果不稳定），再回来看这份资料，对照它讲的分层去重构自己的代码结构。这样看一遍的收益，比空看视频高得多。