AI Agent八股

主题

面试优先顺序（通用 AI 应用开发岗位）：Q3、Q4、Q5、Q7、Q8、Q10、Q11、Q13、Q14、Q15、Q16、Q17、Q18、Q21、Q26、Q28、Q30。其余题目用于进阶或特定岗位拓展；实际频率会随岗位和面试轮次变化，产品版本资讯不应当作通用必考题。

FDE 的核心不是“给客户演示 AI”，而是进入客户真实环境，从模糊问题出发，完成需求发现、方案设计、编码集成、生产上线、采用推广和反馈闭环。

本页不是任何公司的内部题库。“高频”表示某类能力同时反复出现在多家 FDE 官方职位描述和公开候选人面试记录中，并不表示每家公司都会逐字提问。

  • OpenAI 的 FDE 职位把工作范围描述为 discovery、technical scoping、system design、build 和 production rollout，并用生产采用、工作流影响及 eval 驱动的反馈衡量结果。来源
  • Palantir 的 FDSE 职位强调从开放业务问题出发，直接与客户合作，承担数据、应用、架构和端到端交付。来源
  • AI 原生公司的 FDE 职位进一步强调 Agent、RAG、评测，以及 VPC、混合云和本地部署。Reflection AI · Handshake · Cartesia
  • 公开面试整理与候选人记录中常见 coding、decomposition、learning/陌生代码、system design 和客户情境环节。具体流程随公司、级别和团队变化。Palantir 官方面试准备入口 · 公开流程整理 · 候选人记录
能力面试官想确认什么
问题发现与拆解能否把“我们想用 AI”变成用户、流程、约束和可验证目标
工程与 AI 系统设计能否设计可以接入现有系统、可评测、可回滚的生产方案
编码与调试能否在陌生代码、脏数据和变化需求下写出可靠实现
客户与项目推进能否处理承诺、冲突、范围、采用和高压事故
产品化反馈能否区分一次性定制与可复用能力，把现场信号反馈给产品
  1. 编码不能偏科：至少能稳定完成中等难度的数据结构题、API 集成、SQL 和调试任务；
  2. 练开放问题：每次先问用户、流程、基线、约束和成功标准，再画架构；
  3. 准备两个项目故事：一个成功交付，一个失败或重大调整，能说清自己的代码和判断；
  4. 练客户模拟：面对催进度、改需求、质疑效果时，既不盲目答应，也不只讲技术困难；
  5. 了解目标公司差异：有的偏通用数据平台和 decomposition，有的偏 LLM/Agent 与 eval，有的更看重行业部署和基础设施。

岗位描述和面试流程会变化。准备具体公司前，请重新检查目标职位的最新 JD 与招聘方提供的正式材料。

题目目录（按原文档学习顺序，⭐ = 面试高频优先题） ​

AI 生产系统与评测 ​

客户沟通、交付与行为面试 ​

岗位理解与需求发现 ​

编码、数据与现场调试 ​

问题拆解与方案设计 ​

参考资料 ​