匹配正文：…好检索互相干扰,两头都不讨好。短期管「连贯」、长期管「记得」,分开设计、各用各的策略,系统才清爽。 🧭 这一章到这儿:记忆模块的设计与推理侧实现都讲透了,你能设计得出、跑得通。但有个更深的问题本章没碰:怎么让模型本身更会「用记忆」?知道哪些该记、指代该怎么补、什么时候该去长期记忆里捞,这同样要靠数据加训练,是后面几章的主题。 🏆 Part 3 · 验收串题｜ ~10% 关联面试题(5 道,覆盖 5 个角度) 【记忆系统架构】设计 AI Agent 的记忆系统时,短期记…

#Agent#Deep Research#项目实战

面试题·Agent

ReAct 为什么短任务好用，做长程研究却会越跑越乱？

匹配正文：ReAct 是很多人实现 Agent 的第一步。模型先根据当前问题决定一个动作，程序执行工具，把结果交回模型，模型再决定下一步。这个循环直观、灵活，几十行代码就能跑起来。做一个两三步的小任务时，它往往很好用：搜索候选，打开正文，给出答案。问题出现在长程研究。一个 Deep Research 任务可能要比较多个对象、访问很多来源、处理冲突并生成报告。如果每轮都把之前的问题、动作和网页内容完整追加到上下文，模型看到的历史会越来越长。早期的一段噪声会被反复携带，后面的每一步…

#Deep Research#执行框架与长任务#ReAct 长任务

系统教程·AI 编程

把 AI 编程工具从「能用」调成「好用」

匹配正文：… + 烧 token。要有"遗忘"机制。不挂安全钩子:能跑命令的工具,危险操作不设确认 = 给自己埋雷。关联面试题「怎么让 Agent 在多轮 / 跨会话里保持一致性和记忆?」「Agent 的记忆系统怎么设计(短期 / 长期 / 检索)?」 👉 去题库搜 Agent 记忆 / 多轮一致性 / 上下文管理。训练营延伸这三件事往工业级走,就是 Agent 的「记忆系统 + Harness 工程」:三层记忆(工作 / 情景 / 语义)、记忆的写入与遗忘策略、技能注…

← 上一页第 11 / 17 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

#Agent#AI 编程

面试题·Agent

IterResearch 的演进报告为什么不是普通摘要，怎样避免越改越错？

匹配正文：…状态。用户究竟要什么，已经确认了哪些事实，哪些来源互相冲突，还缺什么证据，下一步为什么要继续搜，这些信息如果只散落在聊天记录里，Agent 每轮都要重新理解一遍。 IterResearch 用一份持续更新的演进报告承载当前研究状态。新观察到来后，有价值的信息被合并进报告，原始材料进入外部证据库，系统再根据更新后的状态决定下一步，避免整段网页永久挤在上下文里。这个思路看起来像“做摘要”，但工程难点完全不同。普通摘要追求短和通顺，演进报告必须支持后续决策，还要保留来源、冲突、…

#Deep Research#执行框架与长任务#IterResearch 演进报告

项目实战·Agent

第 6 章:多阶段训练:Agentic CPT → SFT → GRPO

匹配正文：…入CPT、SFT或RL；CPT → SFT → GRPO是一条示例路线，并非必选三件套 ✓ 搞懂三个阶段各自的分工:CPT 注入「Agent 偏置」、SFT学习示范中的任务行为与输出格式、GRPO 在实战反馈里优化策略 ✓ 理解 GRPO 的核心直觉:为什么它能去掉 PPO 里那个笨重的「价值网络」,用「组内相对优势」替代(配可跑小实验) ✓ 理解长轨迹奖励风险:不区分截断原因直接惩罚,可能引入噪声并破坏训练稳定性 ✓ 建立对奖励设计、动态采样的判断,以及能在面试里讲清「多阶…

#Agent#Deep Research#项目实战

项目实战·Agent

第 7 章:工程化上线:推理优化、并发与成本

匹配正文：…「每步只算一个新 token」,计算量从平方级降到线性级。代价:KV Cache 要占显存,而且和上下文长度成正比。对长程调研 Agent(上下文动辄几万 token),KV Cache 能吃掉大量显存,这也是为什么长上下文推理这么贵。联系第 2 章:还记得 IterResearch 用「演进报告」把上下文压成常量吗?那个设计直接受益于此:上下文短,KV Cache 就小,推理又快又省显存。架构选择和推理成本是连在一起的。 2.2 Continuous Batching:…

#Agent#Deep Research#项目实战

面试题·Agent

Deep Research 并行任务怎么拆，依赖、尾延迟和综合成本怎样控制？

匹配正文：…几种技术路线，可以分别研究架构、部署、生态和风险；核验一个行业判断，可以分别寻找官方资料、论文和公开案例。如果所有方向都由一条 Agent 链路串行完成，任务会很长，一处早期偏差也可能影响后面全部判断。Research-Synthesis 的思路，是先拆出可独立验收的研究单元，按依赖关系分批并行，再综合它们的结构化结果。它听起来像“多开几个 Agent 就能更快”，这恰好忽略了最难的调度问题。有的单元要等前置结果，有的会共享同一个搜索服务，还有的会因慢页面或限流变成尾部…

#Deep Research#执行框架与长任务#Deep Research 并行任务拆分

面试题·Agent

Function Calling 到底怎么跑？模型不会执行函数，完整工具结果循环怎么实现

匹配正文：…代表已经找到可信答案。教学订单查询接口正常返回“无此订单”，也不代表可以直接告诉用户订单不存在，还可能是身份、环境或订单号有问题。Agent 要根据业务完成条件继续判断，而不能把 HTTP 成功当作任务完成。这也是为什么最终答案节点要检查 State。它至少要知道用户目标、已调用工具、关键结果、仍缺少的信息和停止原因。模型说“已经完成”只能作为候选信号，程序应验证必要步骤是否真的发生。怎样设计错误 Observation 工具失败后直接把异常字符串塞给模型，看似省事，实际…

#Agent#工具调用与安全#Function Calling 完整流程

项目实战·Agent

第 8 章:评估:调研类任务没标准答案,怎么定义「好」

匹配正文：…分、闭环飞轮,这一章都讲透了。 🏆 Part 3 · 验收串题｜ ~10% 关联面试题(5 道,覆盖 5 个角度) 【评估体系设计】设计一套完整的评估体系来衡量一个 Agent / RAG 系统的性能。较难 → 【评测集选择】你在项目里用过哪些评测数据集?为什么选它们、它们如何反映模型能力? 中等 → 【评估关键指标】 RAG 系统的评估体系里,最重要的评估指标 / 维度有哪些? 中等 → 【幻觉评估与缓解】怎么有效评估并缓解大模型生成内容里的幻觉? 较难 → 【…

#Agent#Deep Research#项目实战

面试题·Agent

Function Calling 有了 JSON Schema，为什么工具参数还是会错？

匹配正文：…能产生不可预测行为。若确实需要扩展区，可以明确一个 options 对象并对其内容做白名单，而不是让顶层无限开放。 Schema 设计目标是减少歧义，不是把所有未来变化一次塞进去。参数语义错误怎样识别？语义错误常常需要结合当前状态。 Search 的 query 类型正确，但遗漏核心实体和时间条件，结果会跑偏。可以检查它是否覆盖当前子任务的关键槽位。 Visit 的 URL 合法，但指向已经访问且内容未更新的页面。可以结合已访问集合和页面版本判断重复。 Scholar 的…

#Deep Research#研究工具与稳定性#Function Calling 参数校验

面试题·Agent

Search 超时、Visit 受限、Python 报错时，Deep Research 怎样继续而不乱答？

匹配正文：…或者请求补充数据。派生结果还要保存输入 Evidence ID、操作摘要和环境版本，恢复后才能重放。有副作用的工具为什么要单独设计？当前研究工具大多只读，但真实 Agent 以后可能接入保存文件、发送消息、创建任务或修改配置。这类调用不能套用 Search 的自动重试。请求超时不代表服务端没有执行，再发一次可能产生重复写入。执行前需要明确用户授权、目标对象、预览和幂等键。执行后保存服务端确认 ID，用它查询结果，而不是只靠客户端是否收到响应判断成功。发生不确定状态…

#Deep Research#研究工具与稳定性#Deep Research 工具故障恢复

面试题·Agent

缓存能省调用，为什么 Deep Research 反而可能拿旧资料回答“最新”？

匹配正文：…、查询参数和证据用途如果没有进入缓存键，还可能出现跨任务污染。所以面试官问缓存策略时，真正想听的是：哪些层可以缓存，缓存键怎样设计，如何从用户问题识别新鲜度要求，什么时候命中也必须重新验证，怎样处理页面变化、权限隔离和旧证据，又怎样证明缓存节省资源的同时没有损害答案时效？ Deep Research 可以缓存哪几层？第一层是 Search 结果。键通常来自规范化 query、语言、地区、时间过滤、返回数量和搜索服务版本。它适合减少短时间内相同发现请求，但搜索排序与网页…

#Deep Research#研究工具与稳定性#Deep Research 缓存新鲜度

面试题·Agent

简单问答怎样升级成真正需要多步研究的问题，又不把题目编坏？

匹配正文：…入证据和计算方法。趋势题要区分已观察事实与解释性推断。无答案题要证明在允许来源与范围内证据不足，而不是因为搜索器没找到。开放设计题可以没有唯一方案，但评分标准要检查约束、取舍、风险和证据，而不是要求一段固定标准答案。参考答案也要版本化。来源更新后，旧题可以转为历史问题，或者重新生成当前答案；不能让标签在后台无痕变化。一个教学反例：实体替换后答案失效下面是一个教学反例，用于说明实体替换后答案失效的机制，并非真实数据。原题询问某项目在特定版本加入了哪项能力，答案和官…

#Deep Research#数据构造与训练#Deep Research 复杂问答

面试题·Agent

首次 SFT 后格式稳定了，为什么工具选择和答案仍然不行？

匹配正文：第一次训练 Agent 时，团队很容易被一个明显变化鼓舞：模型终于能稳定输出结构化 tool call，JSON 也不再频繁报错。但把问题换成“什么是人工智能”，它仍然先调 Search；遇到简单计算，也不一定选择合适工具；即使工具调用成功，最终答案还可能不完整。这不是一个矛盾结果。格式学习、工具策略和答案能力本来就是不同层次。SFT 可以很快让模型模仿外壳，却未必已经学会在不同情境下做选择，更不能保证它能从工具结果中组织完整答案。现有首次训练记录正好提供了一个可以诚…

#Deep Research#数据构造与训练#Deep Research SFT

面试题·Agent

GRPO 为什么同一道题要采样一组答案，组内相对优势到底怎么算？

匹配正文：强化学习训练 Deep Research Agent 时，同一道题往往不只生成一条轨迹。模型会采样一组不同路径：有的先 Search 再 Visit，有的只看摘要就回答，有的查全证据却被长度截断，还有的格式正确但结论不完整。 GRPO 的关键做法，是把同组候选放在一起比较。高于组内基准的轨迹得到正优势，低于基准的轨迹得到负优势，再用这个相对信号更新策略。它没有凭空消除“基准”，而是用组内 reward 统计替代额外学习的价值网络。这个直觉很简单，真正落地却有许多边界：同…

#Deep Research#数据构造与训练#Deep Research GRPO

面试题·Agent

Text2SQL 面对上百张表，怎样选对 Schema 并处理业务歧义

匹配正文：…合理的结果。评测样本应保存用户问题、业务定义、允许的表列集合、必要 Join 关系、歧义标签、期望澄清问题和最终意图。对同一表达设计不同业务域，测试系统是否使用正确作用域。分层指标可以看：目标表是否进入候选；关键列是否召回；最小子图是否包含必要关系；无关 Schema 是否过多；业务术语映射是否正确；该澄清时有没有问；不该澄清时是否直接处理；用户回答后槽位是否正确更新。最终 SQL 准确性属于后续层。Schema 选对但 SQL 写错，与 Schema 一开始就漏表，需…

#Agent#工具调用与安全#Text2SQL Schema 选择

面试题·Agent

Deep Research 一跑几分钟，为什么不能用普通同步接口硬等？

匹配正文：…复创建两份研究。相关工程教程给出的方向是异步任务加进度查询，并要求重试、降级、断点和状态隔离。所以面试官真正想问的是：长时 Agent 如何拆成任务控制面和执行面，任务状态机怎样设计，怎样处理幂等、租约、断点、取消、重试和背压，GPU 推理与外部工具并发如何协调，又如何定义可验证的服务目标而不虚构现有 QPS 或 SLA？同步请求为什么容易出问题？第一，生命周期不匹配。网关、负载均衡和客户端都有超时，研究任务却可能更久。连接结束不代表任务应该被杀掉。第二，失败边…

#Deep Research#上线成本与评估#Deep Research 长任务

面试题·Agent

一次 Deep Research 到底花了多少钱，为什么只看总 Token 找不到成本黑洞？

匹配正文：…两次调用加恢复，而不是只看最终成功模型。路由实验需要固定任务集，比较答案、证据、工具策略、延迟和成本。简单任务可用较便宜模型是设计方向，但“简单”必须可验证。错误分诊会造成二次调用或低质量答案。路由模型本身也有推理成本和延迟，应进入 task Trace。不能只展示大模型调用比例下降，就宣布总成本优化。单位任务成本、失败重试和质量回归才是完整证据。预算控制应该放在哪里？提交时检查租户配额和任务级预算，防止明显超额任务进入队列。调度时为模型、工具与总任务分配可用预…

#Deep Research#上线成本与评估#Deep Research 成本

面试题·Agent

Deep Research 评估为什么不能只看最终答案，过程合理又该怎么量？

匹配正文：一份调研报告最后结论正确，不代表 Agent 的研究过程可靠。它可能凭预训练记忆猜中答案，也可能只看搜索摘要，碰巧没有犯错。换一个日期、对象或来源，捷径就会失效。反过来，一条轨迹工具选择合理、引用完整，也可能因为网页更新、计算错误或遗漏子问题，最终报告仍然不合格。 Deep Research 是开放任务，又是多步骤过程。只看最终文本，会把“蒙对”当能力；只看步骤，又可能忽略交付结果。相关评估材料明确把质量拆成结果与过程两个层面，并要求准确、引用、报告质量和效率共同观察。…

#Deep Research#上线成本与评估#Deep Research 评估

面试题·Agent

LLM Judge 分数变高，为什么 Deep Research 可能反而更会刷分？

匹配正文：…己也是模型。它可能偏爱更长的答案、某个展示位置和与自己风格相近的文本。更危险的是，当 Judge 分数被用于训练 reward，Agent 会逐渐学习“怎样让这个裁判满意”，而不一定真的更准确。这就是 Goodhart 风险：指标一旦成为优化目标，就可能失去原本代表的质量。所以面试官真正想问的是： LLM Judge 有哪些系统性偏差，怎样设计 rubric、盲评、换位、多 Judge 和人工校准，如何发现模型在堆引用、拉长度或迎合裁判，又怎样给评估与训练之间加一道防火…

#Deep Research#上线成本与评估#Deep Research LLM Judge

面试题·RLHF与对齐· 美团

RL 训练环境与 Sim2Real

匹配正文：…、样本效率和信息损失。课程学习也不是必选项，它只是一种可能改善探索的假设，需要和随机采样、目标重采样等基线比较。仿真到现实只是环境设计的一条分支。机器人场景可做域随机化、系统辨识和小步真实校准，但网页或工具 Agent 更关注 API 一致性、权限隔离、幂等、回滚和真实失败分布。训练环境再精细，也不能保证与部署分布完全一致。工程验证验收环境时先做 contract test，覆盖 reset 后状态、动作边界、终止与超时、奖励分项、随机种子和异常返回。用固定动作脚本回放，…

#强化学习#训练环境#Sim2Real

面试题·RLHF与对齐· 美团

环境训练方法怎么选?

匹配正文：核心方法与应用场景 1. 交互式环境采样（Interactive Environment Sampling）核心思想：Agent与环境实时交互生成数据，边采样边训练关键优化：并行环境（VecEnv）提升吞吐，异步采样避免GPU空闲适用场景：在线服务决策（美团配送实时调度）、需要快速适应环境变化的场景优势：数据新鲜，策略与环境分布一致；劣势：样本效率低，探索成本高 2. 课程学习（Curriculum Learning）核心思想：由易到难安排训练任务，模仿人类学习过程…

#环境交互采样#课程学习#域随机化

面试题·RLHF与对齐· 美团

Long Horizon 训练环境怎么搭?

匹配正文：长视野环境的四层设计 1. 状态与观测定义真实状态、Agent 可见观测、动作、终止与截断条件。部分可观测时，允许策略使用历史、RNN/Transformer memory 或 belief state；记录随机种子与环境版本。 2. 奖励与信用分配先保留与最终任务一致的终局奖励，再谨慎加入势函数式 shaping 或可验证里程碑。提高近期奖励权重会改变优化目标，不能当作长期信用的标准修复。可按任务选择 n-step return、GAE、层级价值、return deco…

#Long Horizon RL#奖励塑形#课程学习

面试题·Agent· 美团

ReAct与Plan-and-Execute 上下文管理差异?

匹配正文：…全局规划优势与重规划开销两种框架在token效率、错误传播、重试机制上的差异长上下文场景下的具体取舍策略实际工程中的混合方案设计核心差异维度 ReAct Plan-and-Execute 执行模式推理→行动→观察循环交错先全局规划，再逐步执行上下文结构线性累积，历史全保留规划阶段集中，执行阶段聚焦长上下文下的关键对比 1. 上下文管理 ReAct：每轮将Thought/Action/Observation全部拼接，上下文线性增长。长任务中前期观察会稀释…

#美团#Agent#ReAct vs Plan-and-Execute