匹配追问：…但没解释为什么查这个。你感觉少了点什么？如果想让模型先想一下再动手，比如先推理出需要查订单表再调用工具，你会怎么设计？层层追问大模型在复杂任务中怎么避免瞎编或者乱调用工具？……如果让它先推理再行动呢？……那推理和行动之间怎么交互？比如模型想了一步，执行了一个搜索，得到结果后下一步该怎么走？你能把这个循环说清楚吗？直球架构请详细介绍ReAct框架的核心思想和工作机制，包括Thought、Action、Observation的循环，并对比它相比纯推理（CoT）和纯行动模型…

← 上一页第 11 / 12 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#美团

#Agent

#ReAct 框架

面试题·Prompt· 美团

ReAct 如何提升复杂任务？

匹配追问：…电商客服Agent，用户问‘这个手机有什么颜色？’，你打算怎么设计思考-行动流程？如果用户接着问‘那红色款和蓝色款哪个续航好？’，Agent该怎么继续推理和查询？层层追问你觉得大模型做复杂任务时，是直接把推理步骤写出来好，还是让它去调工具好？……那如果既要推理又要调工具，怎么结合？……有没有想过让它们交替进行，比如推理一步、调工具、再根据结果推理下一步？直球架构请介绍一下ReAct框架的核心思想和完整工作流程，包括Thought、Action、Observation的…

#美团#Agent#ReAct 框架

面试题·Prompt· 阶跃星辰

ReAct 各模块输入输出是什么？

匹配正文：…ion-Observation循环） ReAct核心思想 ReAct = Reasoning（推理） + Acting（行动），让LLM交替进行"思考"和"执行"，通过工具与环境交互解决复杂问题。三个关键概念模块含义本质 Plan 动态推理链不是预先生成的静态计划，而是每步根据Observation重新评估的即时策略 Thought 推理过程模型内部的思考文本，决定下一步行动 Observation 环境反馈工具执行后返回的外部信息，作为下一轮推理的输入提示词…

#介跃星辰#Agent#ReAct 工作流程

面试题·Prompt· 字节

Policy 模型错误决策怎么防?

匹配口述回答：…值设太严容易误报。所以我会把重点放在验证和约束上，因为这两个环节直接兜住线上风险，性价比最高。一句话定位：这道题本质是问如何确保Agent大脑的可靠性和安全训练阶段：RLHF+对抗训练，但前提是数据质量验证阶段：离线到在线，红队测试不能省约束阶段：硬规则兜底，场景区分监控阶段：指标告警与回滚，落地风险约4分钟小模型决策路由加大模型生成的分层架构，但路由准确率是新的挑战。面试官可能会追问小模型路由的准确率如何保证，或者路由错误时如何处理。

#字节#Agent#Policy 模型

面试题·RAG· 华为

逻辑引导怎么用？

匹配追问：…断原因、最后给解释？层层追问你处理过需要多步推理的任务吗？……比如数学题，模型容易跳步骤出错，怎么让它按逻辑走？……那要是用在agent决策场景呢？怎么保证它思考-行动-观察不跳步？直球架构说下大模型推理时为什么需要逻辑引导？在哪些情况下必须用？具体有哪些实现方式，比如结构化prompt或输出约束，相比自由生成有什么优势？

#华为#逻辑推理引导#逻辑引导

面试题·RAG

Deep Research vs RAG 怎么选?

匹配正文：…Deep Research 本质检索→生成的一次性流程多轮"检索-分析-再检索"的自主循环决策主体预定义流程，无自主规划 LLM自主决定下一步检索什么检索次数通常1-2次数十次甚至上百次输出形态直接回答结构化研究报告（带引用）技术原理差异 RAG 架构：Retriever → Reranker → Generator 检索策略：向量相似度匹配，依赖静态索引关键优化：分块策略、重排序、Hybrid Search Deep Research 架构：Plan…

#Deep Research#RAG#Deep Research vs RAG

面试题·检索· 快手

RAG 延迟与准确率优化

匹配正文：答案要点延迟挑战：检索耗时、多轮调用、大模型生成慢正确率挑战：检索不准、上下文噪声、多跳推理失败根因分析：向量检索局限、长上下文稀释、工具链复杂优化思路：预检索策略、重排序、缓存机制、混合检索延迟挑战与根因瓶颈环节具体表现根因检索阶段向量库查询+重排序耗时高大规模向量ANN搜索精度-速度trade-off，跨模态检索更慢工具调用 Agent多轮Planning-Action循环每次LLM调用串行，工具响应不可控生成阶段长上下文导致首token延迟…

#快手#RAG延迟优化#RAG 延迟与准确率优化

面试题·检索· 字节

两阶段检索 vs 直接重排?

匹配口述回答：…百万条知识库里捞出几百条跟退款流程相关的文档，重排阶段再根据用户的具体描述，比如“已提交三天”，把最匹配的那几条排到最前面，这样 LLM 才能给出准确回复。如果只用召回，可能排在前面的都是泛泛的退款政策，不精准；如果只用重排，那延迟就爆炸了，用户等不了。这个架构的好处很明显：效率可控，召回快，重排只处理小量数据；精度能提上去，因为重排模型能捕捉细粒度语义；而且召回和重排可以独立优化，比如换个更好的 [[Embedding]] 模型或者换一个重排器。但缺点也得心里有数。最核心…

#字节#两阶段检索#RAG 重排序

面试题·检索· 快手

RAG 延迟准确率根因

匹配正文：…ding空间不对齐（如用户口语化 vs 文档正式化）切分策略粗糙：固定长度切分破坏语义完整性，或粒度太细丢失上下文知识动态性：Agent场景下工具返回结果、实时数据与静态知识库未有效融合 Agent场景的特殊复杂性维度传统RAG Agent+RAG 检索触发单轮明确多轮隐式（由LLM决策何时检索）上下文当前Query 历史对话+工具结果+检索结果累积失败成本单次回答差可能引发错误工具调用链核心矛盾：Agent的自主性要求检索模块既快又准，但两者往往此消…

#快手#RAG延迟与准确率#RAG 延迟准确率根因

面试题·检索· 美团

RAG 检索器与生成器如何协同？

匹配正文：…、注意力机制）提及关键优化点（重排序、查询改写、多路召回）能对比Naive RAG与Advanced RAG的差异 RAG核心架构：两阶段流水线第一阶段：离线索引构建文档切分：按语义/固定长度分块，控制chunk大小（通常256-512 tokens） Embedding编码：用BGE、M3E等模型将文本转为稠密向量向量存储：写入Milvus/Faiss/Elasticsearch，构建HNSW索引加速检索第二阶段：在线检索生成模块职责关键技术检索器从知…

#美团#RAG架构#RAG 系统架构

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配正文：…量检索的核心作用能区分Naive RAG与Advanced RAG的关键差异能结合具体场景说明RAG的价值和局限性 RAG核心架构 RAG = 检索模块 + 生成模块，用外部知识弥补大模型参数知识的局限。 1. 索引阶段（离线）文档切分：按语义/固定长度分块，控制chunk大小（通常256-512 tokens）向量化：用Embedding模型（如BGE、text-embedding-3）编码为稠密向量存储：写入向量数据库（Milvus、Faiss、Pinecone…

#字节#RAG应用场景#RAG 技术实现

面试题·RLHF与对齐· 美团

Environment-based 训练怎么用?

匹配追问：如果模拟环境与真实环境存在较大gap，如何解决sim-to-real transfer问题？在LLM的RLHF中，为什么通常不用真实环境交互，而是用偏好数据集进行离线训练？场景切入假设我们在做外卖订单调度系统，骑手实时接单、送餐，环境不断变化，你会怎么训练一个调度策略？是让它在仿真环境里跟模拟骑手交互迭代，还是直接拿历史订单数据离线学？层层追问强化学习里，智能体是怎么学会做决策的？……那它怎么获得训练数据？……如果数据是跟环境实时交互得来的，跟用预先录好的数据训练有…

#环境交互训练#在线学习#模拟器训练

面试题·项目与经历· 美团

面试反问环节怎么准备?

匹配追问：…tor风格是什么样的场景切入假设你现在入职了，我们团队正在做外卖智能客服，你作为新人最想先了解团队的哪些技术方向？比如RAG和Agent结合怎么落地？层层追问你对我们团队有什么想了解的吗？……比如技术方向、团队协作或者个人成长都行……要不先聊聊技术，你觉得目前大模型落地最大的瓶颈在哪？直球架构面试快结束了，你对团队的技术方向、项目挑战或者职业发展有什么想问的？比如算法和工程怎么协作，或者新人培养路径是什么样的？

#面试技巧#职业规划#团队文化

面试题·文档处理· 字节

医疗法律文档切块

匹配正文：…的标题、章节、条款编号完全保留文档逻辑结构、支持精确引用溯源依赖文档解析质量（如OCR、版式分析）法律合同、病历、监管文件智能体切块（Agentic） LLM先读全文，按主题/事件主动划分最贴合人类理解、可提取跨段落关联成本高、延迟大、需设计prompt 超高价值文档、需要深度推理的场景医疗/法律领域的实践要点 1. 优先保结构法律：以"条款→款→项"为最小单元，而非固定长度医疗：以"主诉-现病史-检查-诊断"等病历章节为边界 2. 元数据增强 chunk …

#字节#医疗法律文档切块#医疗和法律文档怎么切块？结构、语义与引用边界

面试题·评估· 淘天

RAG 怎么减少幻觉?

匹配正文：RAG的核心架构 RAG = 检索模块 + 生成模块的协同：检索：将查询向量化，从外部知识库召回Top-K相关文档增强：将检索结果与原始查询拼接，构建增强上下文生成：LLM基于增强上下文生成回答，实现"开卷考试" 三大核心价值的实现机制 1. 减少幻觉（Hallucination Reduction）问题根源 RAG解法参数化知识边界模糊，模型"自信编造" 检索提供显式证据，约束生成空间训练数据截止，知识过时接入实时/私有知识库，动态更新关键：生成时能看到"参…

#淘天#事实准确性#RAG 减少幻觉

面试题·评估· 小红书

RAG 有哪些主要缺陷?

匹配正文：…键证据在prompt中间时被忽略改进：重排序把关键文档放首尾、压缩/摘要减少长度、显式引用机制 4. 知识冲突与幻觉检索内容与大模型参数知识矛盾时，模型可能"固执己见"或随机选择改进：置信度校准、检索内容高亮标记、source attribution强制引用三、系统层面局限 5. 延迟与成本检索+重排+生成链路长，首token延迟高改进：检索缓存、预计算embedding、流式生成、推测解码 6. 复杂推理场景失效多跳问答、对比分析、数值计算等需要综合多源信息时…

#小红书#RAG 局限性#RAG 缺陷

面试题·评估· OPPO

意图识别在 RAG 中怎么用?

匹配正文：答案要点意图识别决定检索策略选择（向量检索/关键词检索/混合检索）通过查询改写和扩展提升召回率识别多跳/复杂意图以触发Agent能力过滤无关查询降低幻觉风险为生成阶段提供结构化上下文指导意图识别的核心作用意图识别是RAG系统的"路由中枢"，解决**"用户到底想要什么"**的问题，直接决定后续检索和生成策略。一、提升检索准确性场景意图识别的作用检索方式选择事实类→关键词/稀疏检索；语义类→向量检索；模糊需求→混合检索查询改写识别省略实体（如"这个产品…

#OPPO#RAG 意图识别#RAG

面试题·模型微调· 美团

RAG 深度与局限怎么破?

匹配正文：…制、多跳推理弱）提出至少3个具体优化方向（如混合检索、重排序、查询改写）结合实际场景说明优化方案的可行性体现对RAG与微调、Agent等技术边界的理解 RAG的核心价值与深度优势层面知识动态化：无需重训模型即可更新知识，解决大模型"幻觉"和时效性问题可溯源性：检索片段作为引用，提升生成可信度，满足合规审计需求成本可控：相比全量SFT，RAG的边际成本极低，适合频繁变更的业务知识技术深度体现不仅是"向量检索+Prompt拼接"，而是涉及查询理解→多路召回→精排…

#美团#RAG 局限性#RAG 优化方向

面试题·Prompt· 华为

思维链(CoT)什么时候用?

匹配追问：场景切入假设我们要做一个智能客服，用户问‘我上周订的货为什么还没到’，系统需要查订单、看物流、算天数。如果直接让大模型回答，它可能跳步给出错误结论。你一般会在什么情况下给模型加思维链，让它一步步推理？层层追问你平时怎么让大模型做多步推理的？……如果直接让它输出答案，它容易错，那你怎么引导它把推理过程写出来？……比如数学题或者需要查多个信息才能回答的问题，具体什么时候必须用CoT？直球架构请说一下，在什么场景下必须引入思维链或逻辑引导策略？举例说明它的作用机制，比如C…

#华为#思维链 CoT#Chain-of-Thought 使用场景

面试题·Prompt· 商汤科技

ReAct 范式核心思想与工作流程

匹配追问：…。这时候模型需要先查订单，再根据结果执行退款。你怎么让模型在思考的同时还能调用工具，并且根据结果调整下一步动作？层层追问你了解大模型Agent的常见范式吗？……比如CoT和直接调用工具各有什么问题？……那有没有一种方式能把推理和行动结合起来，让模型边想边做？……具体是怎么循环的？直球架构讲一下ReAct范式的完整工作流程，包括Thought、Action、Observation怎么循环，以及它对比纯推理或纯行动的优势。另外，在实际Agent系统中，ReAct怎么解决工…

#商汤科技#Agent#ReAct 范式

面试题·RAG· 阿里

LangChain vs LlamaIndex 场景怎么选？

匹配正文：核心定位差异维度 LangChain LlamaIndex 设计目标通用LLM应用编排框架数据检索与知识库专用框架抽象层级高，覆盖完整应用生命周期聚焦数据摄入→索引→检索→合成核心优势工具链整合、Agent编排、记忆管理数据连接器、索引策略、检索优化技术侧重点对比 LangChain的核心能力链式编排：通过LCEL构建复杂工作流，支持条件分支、并行执行工具生态：内置大量第三方工具集成（搜索、数据库、API） Agent系统：ReAct、Plan-and…

#阿里云#AI框架选型#LangChain vs LlamaIndex

面试题·检索· 小红书

RAG 局限性怎么破?

匹配正文：…量、生成整合、知识边界三方面的核心局限能分析检索噪声、语义鸿沟、上下文窗口等具体挑战提出至少3类改进方向（如混合检索、重排序、Agent化RAG）体现对RAG与Fine-tuning、Agent关系的辩证理解 RAG的核心局限可归纳为检索失效、生成割裂、能力边界三类：一、主要局限与挑战维度核心问题具体表现检索质量语义鸿沟 query与文档embedding不对齐，关键词匹配失败检索噪声 Top-K混入无关文档，稀释有效信息覆盖不足多跳推理、跨文档关联难…

#小红书#RAG局限性#RAG 局限性