TikTok後端一面題目流出：八股還在考，但主菜已經換成Agent

9月1日的一場TikTok後端開發一面，隔天被面試者全文分享到牛客網，隨即在求職論壇發酵。這份題單之所以值得放大來看，倒不是題目多難，而是它清楚呈現了一線大廠後端面試的比重正在挪移：Java並發、Redis、JVM這些「八股」仍有位置，但佔據題單核心的，是十幾題關於CLI編程Agent的設計追問。

對正在準備後端職缺的工程師來說，這份題單比任何職缺描述都誠實。它告訴你，TikTok這類公司現在要的後端工程師，傳統技能是入場券，Agent工程能力才是差異化所在。

先看這份題單的結構

把五十幾道題攤開，大致分為幾塊。開場是履歷挖掘：自我介紹、實習做了什麼、發票校驗的細節、為什麼選QLExpress表達式引擎。接著是重頭戲，針對求職者自己寫的CLI編程Agent專案，面試官連續追問了意圖改寫、中斷恢復、寫操作的確認一致性、工具系統的權限設計、上下文壓縮、長期記憶管理、Plan Mode與執行模式的差別。

然後才是熟悉的傳統題組：AQS的state與CAS、ABA問題、線程池拒絕策略、Redis五種資料結構、RDB與AOF、B+樹、垃圾回收演算法。最後補一道演算法題，最長回文子串。

有網友留言說「平均一分鐘一個問題」，也有人疑惑「JD上寫的是Agent嗎，怎麼又問了這麼多傳統後端」。這個疑惑本身就是答案：職缺名稱還叫後端開發，但考題已經把這個職位拆成兩半來檢驗。

Agent題目在考什麼：把聊天機器人當系統設計來問

題單裡最有訊號量的，是那串關於Agent執行安全的追問。例如「用戶確認後，是否應該重新調用大模型」「如何保證執行的內容與確認時完全一致」「如何通過狀態機避免重複執行或產生新的幻覺」。

用日常情境比喻，這就像銀行轉帳。你在櫃檯確認要匯一萬元給某個帳戶，行員不能在你簽字後又重新問一次、或憑記憶自己填個數字就去執行。Agent也一樣：使用者點了確認要發某封郵件，系統如果在確認與執行之間又跑了一次模型生成，生成出來的內容就可能和使用者看到的那份不同。正確的工程做法是把確認過的內容凍結成確定的參數，執行階段只做機械式調用，不再讓帶有隨機性的模型插手。這類問題考的是工程紀律，考你能不能意識到「大模型的輸出不可複誦」是個必須繞開的地雷。

中斷恢復的追問也類似。Agent執行到一半斷線，重啟後怎麼知道哪些步驟已經做過、哪些還沒做？答案的骨幹是把執行過程建成狀態機，每一步落地成可查的執行紀錄，恢復時從紀錄接續，而不是靠模型「回憶」自己做到哪。這套思路在傳統分散式系統裡叫冪等與檢查點，只是現在套上了對話式的外衣。

工具數量多了怎麼辦的題組，則指向RAG式的工程解法：先建工具索引，用小模型或子Agent做初篩，再交給主模型。題目問的是工具選擇，骨子裡考的還是檢索與召回的老問題。這與我們先前談過的明星授權AI分身的商業邏輯是同一條產業線上的兩端：有人在賣AI分身，有人在造支撐這些產品的工程底層。

八股沒有退場，但角色變了

值得注意的是，這位面試者自述「中間有幾個Redis八股都想不起來，沒想到最後能過」。留言區一片「嚇哭」「八股盛宴」，但結果顯示傳統題的容錯空間比想像中大。

從面試官的角度想就通了。AQS、CAS、Redis持久化這些題目，市面上有整理好的題庫，答得好證明你認真準備，答不完整也不至於否定一個人。但Agent題不一樣，沒有標準題庫可背，追問會沿著你自己的專案一路挖下去：你說做了長期記憶，那就問怎麼壓縮、要不要靠模型總結、能不能分類索引召回。答得出來，證明這個專案真的是你做的，而且你對每個設計取捨想過理由。

換句話說，八股從門檻變成了背景檢查，Agent問答才是主考官真正打分數的地方。這也解釋了為什麼題單看起來「什麼都問」：知識廣度靠八股快速掃描，工程判斷力靠專案深挖，一小時的面試其實是兩套評分系統在並行。

一般工程師可以帶走什麼

這份題單對不同人有不同的用處。

對應屆生與求職者，第一個啟示是履歷上寫的專案必須經得起三層追問：做了什麼、為什麼這樣做、換個做法會怎樣。那位面試者能過，部分原因是面試官問「專案沒達到預期的點在哪」時，他答得出來。誠實標記專案的缺陷反而成了加分題。

第二個啟示是Agent專案已經是後端履歷的高槓桿項目。不需要做多炫的產品，一個CLI工具Agent就夠面試官挖一小時，前提是你把意圖澄清、執行安全、記憶管理這些工程細節認真做過一輪。

對用人主管與團隊，這份題單提供了一個現成的面試框架範本：前段用知識題快速定位候選人的基礎水位，中段用自己的專案做深度探測，兩邊獨立評分。比單純背題或單純聊專案都更能拉開鑑別度。

最後回到產業層面。TikTok的面試題往往被視為大廠風向球，當Agent工程題在一面就佔了過半比重，說明的不是面試變難了，而是後端工程師的定義正在擴編。資料庫、快取、並發這些技能不會失效，但它們正在從主角退成配角，舞臺中間站著的，是那個會推理、會呼叫工具、也因此會出錯的大模型，以及想辦法把它管好的工程師。