ohmyblog

从 Agent 记忆面试题延伸：一个 Agent 不够用时，多 Agent 怎么协作

2026/12/7

这个系列今天的真题解析讲单 Agent 的短期与长期记忆——一个 Agent 怎么记住事情。这篇延伸讲另一个维度：一个脑子装不下、管不过来时，怎么组织多个 Agent 协作。

2026/12/7

先说明属性：这是一篇经典题解析，题目出自本地历史面试资料整理，与任何公司的当前招聘无关。「Agent 的记忆机制怎么设计」考的不是背「短期加长期」，而是说清两层记忆怎么落地：短期怎么在有限窗口里腾挪，长期的写入、检索、遗忘怎么接到主循环上。

2026/12/7

先说明属性：这是一篇笔试真题复盘，题目出自本地历史笔试题集整理，与任何公司的当前招聘无关。题面很生活化：一本正式出版的图书都有一个 ISBN 号码，前 9 位是数字，第 10 位是识别码；

2026/12/7

先说明属性：这是一篇经典题解析，题目出自本地历史面试资料整理，与任何公司的当前招聘无关。「prefix Decoder、causal Decoder、Encoder-Decoder 有什么区别」是大模型面试里最经典的架构题，考的不是背模型名单，而是你能不能把三种架构的差异收拢到一…

2026/12/6

「扔骰子返现，不满意可以再扔一次」这类题的完整计算，这个系列昨天的真题解析已经做过——结论是 4.25 元，分界点 3.5。那道题背后的通用框架比答案本身值钱：凡是「看完结果可以选择再来一次」的题目，都是同一套期望决策框架的实例。这篇把框架抽出来讲透，以后遇到任何变体都能套。

2026/12/6

先说明属性：这是一篇经典题解析，题目出自本地历史面试资料整理，与任何公司的当前招聘无关。「用 Zookeeper 实现分布式队列」这类题，真正考的不是背步骤，而是你能不能用协调服务暴露的两个原语——顺序节点与 Watcher——拼出一个有正确性保证的队列，并且说清它与专业消息队列…

2026/12/6

先说明属性：这是一篇经典题解析，题目出自本地历史面试资料整理，与任何公司的当前招聘无关。「混合精度训练为什么要做 loss scaling」这道题，表面上问的是一个技巧，实际考你能不能把 FP16 的数值范围、反向传播的链式放大、动态调档策略三件事串成一条逻辑链。

2026/12/6

先说明属性：这是一篇经典题解析，题目出自本地历史面试资料整理，与任何公司的当前招聘无关。「如何衡量大模型的推理速度」这道题，考的不是让你背几个缩写，而是你能不能把「快」这个模糊的词拆成可测量、可对比、可写进 SLA 的指标。

2026/12/5

这个系列的前一篇真题解析讲过奖励模型（RM）怎么用偏好数据训练，那篇的结论里埋着一个没展开的问题：偏好数据本身从哪来？「同一提示下两个回答谁更好」这个判断，总得有个裁判来下。本篇就把这个裁判问题讲透——三条主流生产路线，各自的成本、质量和适用阶段。

2026/12/5

先说明属性：这是一篇笔试真题复盘，题目出自本地历史面试资料整理，与任何公司的当前招聘无关。题面只有两行代码：用 new ClassA[5] 申请一个对象数组，然后用 delete（少了一对 []）释放，问构造函数和析构函数各执行几次。