加分项 熟悉Agent基本架构与工作原理，有过Agent系统开发经验 了解Spring AI、Alibaba AI框架或其他AI工程化框架 有大规模分布式系统、高并发场景下的调优经验

目录

• 一、面试时问“你符合哪些加分项”的标准回答
• 二、简历上对应“加分项”的写法（可直接复制微调）
• 三、笔试/技术简答题可能期望的核心要点

---

一、面试时问“你符合哪些加分项”的标准回答

“在Agent方面，我熟悉标准的ReAct与Plan-Execute模式，能独立设计包含记忆、工具调用和异常恢复的Agent循环，并实际开发过一个多工具协作的Agent系统，处理过工具调用失败后的重试与降级逻辑。
在AI工程化框架上，我用过Spring AI接入OpenAI与本地模型，了解它的ChatClient、函数调用、OutputParser机制，也实践过阿里云百炼对应的Agent框架，能将Agent逻辑封装成标准服务。
在高并发分布式调优上，我处理过因大模型调用延迟高导致的线程堆积问题，通过异步化、对重复请求启用语义缓存、以及针对Streaming响应做TCP参数调优，将长尾延迟降低约30%。”**

---

二、简历上对应“加分项”的写法（可直接复制微调）

• Agent系统开发
  基于ReAct架构设计并实现多工具Agent，支持工具动态注册、记忆压缩与异常重试，完成从自然语言到API调用的自动化执行。

• AI工程化框架
  使用Spring AI集成OpenAI/Ollama，实现结构化输出与Function Calling；熟悉阿里云百炼Agent应用构建流程。

• 高并发+分布式调优
  针对LLM高延迟场景，引入异步非阻塞调用、请求合并与语义缓存，优化网关与模型推理链路的超时与限流策略。

---

三、笔试/技术简答题可能期望的核心要点

题目示例：请说明你在Agent开发和高并发AI调用上的经验。

参考答案要点：

1. Agent架构

   • 三种核心能力：规划、记忆、工具使用
   • 实现过至少一个完整的Agent循环（思考-行动-观察）

2. Spring AI / Alibaba框架理解

   • 知道如何统一不同模型API
   • 能够声明工具的Java方法并自动转换为模型可调用的函数规范

3. 高并发场景优化措施

   • 请求并发时对相同或相似的Prompt做缓存（避免重复推理）
   • 对大模型调用做异步化（CompletableFuture /响应式流）
   • 设置合理的连接池与背压策略，防止下游LLM服务压垮

---