“你说你们在做Agent项目，那就聊聊SubAgent、Plan模式、Skill调用你们具体是怎么实现的？”当这句带着技术风暴的反问从应聘者口中抛出时，腾讯某部门的一面现场瞬间陷入沉默，面试官擦汗的动作被定格在无数求职者的朋友圈里。这一幕，近日在互联网圈引发热议——曾几何时，面试官是“审判者”，如今却被应聘者的技术深度“反杀”。

一场“反向面试”的经典现场

据知情人士透露，这位应聘者是一位拥有两年大模型开发经验的算法工程师，在简历中明确标注了多智能体系统（Multi-Agent System）的研究经历。面试前半段，面试官按照常规流程询问了Transformer原理、RAG优化等基础问题，应聘者均对答如流。转折发生在面试官提及团队正在推进的“企业级Agent平台”项目时——应聘者突然打断，抛出上述技术三连问。

“面试官当时愣了一下，然后开始翻笔记本，试图找资料解释，但越说越乱。”一位在场目击者描述，“SubAgent的职责边界怎么划分？Plan模式是DAG还是马尔可夫决策过程？Skill调用是否需要做动态热加载？这些问题一个比一个尖锐，面试官最后只能承认团队还在探索阶段，全程擦汗不下五次。”

技术深水区：这三个问题为什么难？

业内人士指出，这三大问题恰恰是当前Agent工程化落地的核心痛点。

SubAgent（子智能体）的职责划分决定了系统能否横向扩展。行业内常见的有“角色型SubAgent”（如客服、质检、调度）和“功能型SubAgent”（如代码执行、数据查询）。但大多数团队的划分逻辑仍依赖人工经验，缺乏自动化编排机制。Plan模式则涉及Agent的任务规划框架——简单任务用线性Plan-chain（链式规划），复杂场景需引入动态递归或分层规划，Google与Meta的论文中甚至出现了“博弈式规划”，但工业界落地往往止步于简单的BFS（广度优先搜索）。至于Skill调用，如何实现跨Agent的技能共享？如何避免调用冲突？动态加载与版本管理更是鲜有成熟方案。

“这三个问题，能答得上一半的团队，在国内不超过10家。”某大厂Agent技术负责人评价，“应聘者问出了许多项目组内部正在吵架的问题。”

大厂面试生态的“权力反转”

这并非孤例。今年以来，随着大模型人才市场从“卖方市场”转向“买方市场”，越来越多的候选人开始用技术深度反制面试官的“虚张声势”。此前就有字节跳动候选人现场指出面试官对MoE架构的认知错误，美团候选人质疑团队多模态数据清洗逻辑，如今腾讯Agent面试再添新案例。

“以前面试是单向考核，现在更像是双向技术对弈。”一位猎头观察者分析，“候选人手里握着顶尖论文、开源项目，甚至能一眼看穿面试官PPT里的技术泡沫。面试官如果自身不参与一线编码，很容易被问穿。”

行业启示：面试官的“擦汗”该敲响警钟

这场“反向面试”带来的思考远不止于谈资。当应聘者开始追问“你们的Agent到底有没有真正跑通Plan模式”，当面试官无法解释Skill调用的原子化设计，暴露的是部分大厂“项目启动快、技术沉淀薄”的现实困境。技术概念的过度包装、工程化能力的缺失，正在让面试场变成照妖镜。

一位资深HR坦言：“我们鼓励这种硬核提问。能问出这些问题的候选人，本身就是稀缺资源。而面试官的擦汗，恰恰是该部门技术短板的诚实反馈。”

截至发稿，腾讯方面未就此事件作出官方回应。但可以预见的是，当“SubAgent如何拆分”“Plan模式如何避免死循环”“Skill调用如何保证幂等”成为面试必答题，那些仍在PPT上造车的团队，恐怕要多备几条手帕了。