手寫快排與LangGraph同場出題：阿裏千問Agent二面，把工程師的技能拆成兩欄在算

10月4日晚間，一份標題為「阿裏千問Agent開發二面」的面經在牛客網發布，發文地點顯示北京。題單本身不長，共十一個條目，但橫跨的範圍值得拆開看：第一題是自我介紹，第二題是手寫快速排序，第三題要求詳述「技術難度最高、落地價值最大」的項目，其後連續多題聚焦LangGraph核心架構組件、Function Calling運行原理、工具呼叫的常見問題與工程解法、Query改寫在Agent體系中的作用、多輪對話缺陷的系統性優化、Skills設計思想，最後一題問的是多輪Prompt拼裝的最優順序與理由。

這份題單的價值不在題目難度，而在它暴露的篩選結構。把十一題按性質分組，可以看到三種完全不同的考核標：手寫快排測的是基本功與編碼速度，屬於傳統軟體工程招聘的存量項目；項目深挖測的是履歷的真實含金量；其餘七題左右全部落在Agent工程化的具體知識上，從框架組件到Prompt拼裝順序，粒度細到可以直接對照日常開發工作。

這個比例本身就是一個市場訊號。對照本站先前整理的字節Agent秋招一面的項目追問與技能重定價，以及百度前端面經裡超過半數的AI相關考題，大廠面試題單中Agent知識的佔比已經連續數季上升，而且問法從概念層（「什麼是Agent」）下探到實作層（Prompt拼裝順序、工具呼叫的失敗模式）。概念題可以靠背誦通過，實作題對應的是候選人是否真的寫過、除錯過生產級的多輪對話系統。

從篩選成本的角度算這筆帳更清楚。傳統演算法題的題庫、評分標準與判定成本都很低，一個受過訓練的面試官可以在十幾分鐘內完成快排的評分。Agent實作題不同：面試官必須自己具備LangGraph、Function Calling、多輪上下文管理的第一手經驗，才有能力追問與判定答案品質。這意味著企業把篩選成本從「標準化考題」轉移到「面試官的知識存量」上，而後者更貴、更稀缺，也更難規模化。題單把兩種考核放在同一場二面裡，等於先用便宜的基本功題過濾掉編碼能力不足者，再用昂貴的實作題把剩下的名額分配給有真實Agent開發經驗的人。

第10題的答案線索也被考生直接寫進了貼文：按執行邏輯分為固定工作流Workflow與自主決策Agentic架構。這個二分法正是當前企業落地Agent時的核心取捨，前者可控、可預估成本，後者靈活但token支出與行為不確定性都更高，本站在多Agent落地系統的Token帳單與降級設計中曾拆解過這條成本線。面試考這個分類，考的其實是候選人對「可控性換靈活性」這筆交換帳的理解，而不只是名詞背誦。

影響傳導的方向也明確。受惠的一端是有Agent實際落地經驗的工程師，他們的技能在這類題單下被重新定價，實作經驗直接對應通過率；承壓的一端是只刷過演算法題、靠通用八股文準備面試的候選人，因為題單中七成的Agent題沒有公開題庫可背，準備成本從刷題時間轉為實際專案時間。再往上遊傳導，培訓市場與簡歷包裝服務會跟著調整供給，LangGraph與Function Calling實戰課程的需求會先於薪資數據反映這個變化。

留言區的訊息量有限，兩則回覆分別問「有後續流程嗎」與「感覺問的還挺多的」，沒有薪資或結果資訊，本文不做推測。可確認的事實只有這份題單本身與其流傳時間點：國慶假期結束前後，正值中國大廠秋招收尾階段，Agent開發崗位的面試題單在此時流出，本身就是這個崗位需求仍處於高檔的一個旁證。至於千問體系團隊的實際招聘規模與薪資帶，來源未提供，留待後續面經累積後再驗證。