匹配追问：场景切入我看你做过客服系统，假设用户问“帮我查一下上周的订单”，你的模型直接回答“订单号是123”，但其实是幻觉。怎么设计才能让模型先调用订单查询API，再根据结果回答？层层追问你觉得纯Prompting在复杂任务里有什么局限？……那如果任务需要调用外部工具呢？……模型拿到工具返回结果后，怎么决定下一步？有个叫ReAct的框架，你了解吗？直球架构 ReAct框架的核心思想是什么？请解释它为什么比简单的提示工程更擅长处理推理加工具调用的任务，重点说清楚推理与行动如何交替…

#高德#Agent#ReAct 框架

面试题·Prompt· 商汤科技

Agent 行为模式有哪些？

匹配口述回答：…赖模型本身的推理能力，如果模型基础能力不行，Thought 就会变成瞎想，导致 Action 跑偏。所以我会把 [[System Prompt]] 的设计看得很重，怎么约束 Thought 的输出格式，怎么避免[[幻觉]]，这些都是上线前要反复调的东西。总结一下，Agent行为模式没有银弹，核心是理解场景的约束，是纯推理、边想边动、还是简化调用，都得根据实际需求来取舍。一句话定位：Agent行为模式本质是模型与外部世界的互动策略推理模式：CoT和ToT，适合纯思考场景，…

← 上一页第 11 / 15 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

#商汤科技#Agent#Agent 行为模式

面试题·Prompt· 百度

AI Agent组件如何协同工作?

匹配口述回答：…数，并从上下文提取出来。工具执行后，返回结果还要解析，决定是继续规划还是直接输出。异常处理也很重要，比如工具超时或者返回错误，我会设计重试机制，重试三次还失败就降级，比如改用备选工具或者直接告诉用户“暂时查不到”。最后是执行与反馈循环。整个流程是观察-思考-行动的闭环：感知输入，检索记忆，规划决策，调用工具，拿到结果后更新记忆，然后进入下一轮。真正上线时，我最关注的是失败场景。比如工具调用失败后，Agent 有没有能力重新规划，而不是卡死。另一个风险是 [[Hallucin…

#百度#Agent#AI Agent 核心组件

面试题·Prompt· 蚂蚁

AI Agent 项目实战经验

匹配口述回答：…风险项目背景：智能客服工单处理，解决效率低、标准不一技术实现：ReAct + 多工具编排，状态机管理，人工兜底个人贡献：方案设计、Prompt优化、效果量化踩坑与风险：幻觉校验、长链路超时、前提条件可延伸点：Multi-Agent vs 单Agent的适用场景约90秒 Multi-Agent的通信开销是规模化落地的关键瓶颈面试官可能会追问Multi-Agent的通信协议设计、消息丢失处理、Agent间协调策略等

#蚂蚁#Agent#AI Agent 项目

面试题·Prompt· 美团

ReAct 框架怎么工作？

匹配标题与标签：ReAct 框架怎么工作？ Agent 任务中推理与行动结合,问答与工具调用场景详解 Prompt 美团 Agent ReAct 框架 Agent 任务推理与行动工具调用美团

#美团#Agent#ReAct 框架

面试题·Prompt· 字节

Agent任务规划:分解与ReAct机制

匹配标题与标签：Agent任务规划:分解与ReAct机制任务分解、目标设定与执行监控方法,ReAct 实现机制举例 Prompt 字节 Agent Agent 任务规划任务分解方法 ReAct 实现执行监控字节

#字节#Agent#Agent 任务规划

面试题·Prompt· 美团

ReAct 框架核心思想与流程

匹配标题与标签：ReAct 框架核心思想与流程 Reasoning+Acting 如何提升大模型代理任务效果 Prompt 美团 Agent ReAct 框架 Reasoning and Acting 大模型代理 ReAct 工作流程美团

#美团#Agent#ReAct 框架

面试题·Prompt· 字节

AI Agent 核心特点与局限

匹配标题与标签：AI Agent 核心特点与局限从自动化到智能服务,Agent 的优势、瓶颈与未来展望 Prompt 字节评估与监控 Agent AI Agent 核心特点 Agent 优势与局限 Agent 发展潜力字节

#字节#评估与监控#Agent

面试题·Prompt· 字节

Policy 模型错误决策怎么防?

匹配追问：场景切入假设你给电商客服系统设计Prompt生成，Policy模型要决定用哪个模板和参数。要是它决策错了，比如给用户推了错误的优惠券，你怎么保证这种情况少发生？层层追问动态Prompt里Policy模型怎么保证不犯错？……训练阶段你能做什么？……如果上线后还是出问题，有什么兜底措施？直球架构动态Prompt生成系统中，Policy模型可能决策出错。说说从训练、验证、约束到监控，你分别怎么设计来确保它的正确性和稳定性？

#字节#Agent#Policy 模型

面试题·RAG· 字节

垂直领域 RAG 完整架构

匹配正文：…标：事实准确率>95%、引用完整率>90%、平均响应<2s 学习建议建议先掌握RAG基础流程，再深入学习向量检索、领域数据清洗、提示工程和合规要求，结合真实案例进行系统设计练习。

#字节#垂直领域RAG#垂直领域 RAG 完整架构

面试题·RAG· 阿里

LangChain vs LlamaIndex 架构差异？

匹配正文：核心定位差异维度 LangChain LlamaIndex 设计目标通用LLM应用编排框架数据驱动的检索增强框架核心抽象 Chain（链式调用）、Agent（自主决策） Index（索引结构）、Retriever（检索器）、QueryEngine（查询引擎）优势领域复杂工作流编排、多工具Agent 大规模文档索引、结构化检索关键功能对比 LangChain强项 Agent系统：ReAct、Plan-and-Execute等推理模式，支持工具调用与多轮决策模块化…

#阿里云#LangChain与LlamaIndex#LangChain vs LlamaIndex

面试题·RAG· 小红书

新用户冷启动：生成式推荐与Embedding

匹配正文：…传统模型"没见过用户ID就失效"的问题 2. 可结合的冷启动策略策略实现方式画像引导生成用注册信息/问卷构建文本画像，作为prompt输入热门+多样性兜底生成式模型生成"热门但多样"的候选集，避免千篇一律跨域迁移用其他平台/全局行为预训练，迁移到当前场景主动学习设计交互式问卷，用最少问题快速锁定兴趣 3. 小红书场景特化利用笔记的图文多模态内容，新用户上传一张图即可触发相似内容推荐 "兴趣标签"快速选择：让用户选3-5个兴趣词，作为生成prompt 关键…

#小红书#新用户冷启动#生成式推荐

面试题·RAG· 美团

外挂数据库怎么提升大模型准确性?

匹配正文：结论：可以，这是动态RAG的典型应用场景核心实现思路层级关键设计数据层流式数据接入（Kafka/Flink）→ 增量构建向量索引，避免全量重建检索层多路召回（向量+关键词+规则）+ 实时性加权，新数据优先排序融合层检索结果注入Prompt，标注数据来源时间戳，让模型感知时效性反馈闭环用户点击/转化数据回流，动态调整索引权重和切分策略相比纯模型/静态RAG的优势时效性：分钟级数据可见，解决大模型知识截止问题准确性：数据分布漂移时，检索结果自动跟随变化…

#美团#外挂数据库增强#外挂数据库

面试题·RAG· 淘天

RAG 模型分类有哪些?

匹配正文：RAG 的三代演进架构 1. Naive RAG（基础架构）架构：离线建索引 → 向量检索 → 直接拼接Prompt → LLM生成核心特征：检索与生成硬耦合，一次检索即生成无反馈机制，检索错误直接传导到输出代表：早期DPR+GPT-3方案适用：事实性问答、内部文档查询等单跳、确定性场景 2. Advanced RAG（优化架构）架构：检索前（查询改写/扩展）→ 检索中（重排序/混合检索）→ 检索后（上下文压缩/摘要）→ 生成核心改进：查询优化：HyDE（假…

#淘天#RAG架构分类#RAG 分类

面试题·RAG· 淘天

现代 RAG 架构怎么变?

匹配正文：核心区别：从"拼接"到"融合" 1. 架构设计演进维度传统RAG 现代RAG 检索器稀疏检索（BM25）、独立索引稠密检索（DPR、Contriever）、双塔编码生成器固定LLM，仅把检索文本当prompt 可训练或适配的生成模型连接方式字符串拼接，显式上下文窗口潜在空间交互，隐式信息融合典型代表：Facebook的RAG模型（2020）首次将检索器和生成器联合预训练，而非简单拼接。 2. 信息融合位置输入层融合（早期）：检索文档直接拼接到prompt…

#淘天#RAG端到端训练#现代 RAG 架构

面试题·RAG· 快手

人工干预怎么控制 LLM 生成?

匹配正文：人工干预的三层架构 1. 输入层：前置过滤与引导敏感Query识别：基于规则+小模型做意图分类，拦截违规请求 Prompt改写：自动注入安全约束（如"请确保回答符合法律法规"）上下文注入：RAG场景下动态插入合规知识片段 2. 生成层：过程控制解码策略干预：调整temperature、top-p，或对特定token降权动态停止条件：检测到风险模式时触发early stopping 工具调用约束：Agent场景下限制可调用的工具白名单 3. 输出层：审核与修正规则拦截…

#快手#人工反馈控制#人工干预 LLM 生成

面试题·RAG

RAG 检索准但回答差怎么调?

匹配口述回答：…个，不同文档之间可能有信息冲突，比如一篇说“7天内可退差价”，另一篇说“促销商品不退差价”，模型没指令去消解，就会乱。然后看提示设计。很多时候prompt里就一句“根据以下文档回答问题”，没有明确约束说“优先基于文档，不确定就说不知道”。模型生成自由度一高，就开始自己编。这里有个坑：temperature设高了容易[[幻觉]]，设低了又可能太保守，连文档里有的信息都不引用。另外还要看模型本身。有些模型指令遵循能力弱，你给它一堆文档，它分不清哪些是事实哪些是噪声。尤其小模型…

#上下文组织#生成质量调优#RAG 生成质量差

面试题·检索· 字节

专业领域RAG链路优化陷阱

匹配正文：…边界，法律用条款编号锚定元数据增强：注入{文档类型、时效性、权威等级}等标签，支持后续过滤二、索引构建：混合召回架构双塔索引设计：索引类型技术选型适用场景稠密向量 BGE-M3/E5领域微调语义相似、同义词泛化稀疏向量 BM25 + 领域词表扩展专业术语精确匹配图索引知识图谱（医疗UMLS/法律法条引用）跨文档逻辑关联关键优化：向量模型用领域语料做MLM+对比学习二次预训练三、检索策略：多路召回+精排召回层：向量Top-K + BM25 Top…

#字节#重排与优化#RAG 链路优化

面试题·检索· AIlab

RAG 流程各环节优化陷阱

匹配正文：…到向量数据库 2. 检索阶段查询向量化相似度检索（Top-K召回）可选：重排序（Rerank） 3. 生成阶段上下文拼接（Prompt构造） LLM生成回答各环节优化手段环节优化手段关键收益文档解析布局识别（如PDF转Markdown保留结构）、表格/图片OCR提取保留语义结构，减少噪声文本分块语义分块（按主题边界）、滑动窗口重叠、递归分块、特定格式（Markdown/代码）保留结构避免语义截断，提升召回完整度 Embedding 领域微调Embe…

#AIlab#RAG链路优化#RAG 优化

面试题·检索· 高德

RAG增强与生成如何衔接？

匹配正文：答案要点离线知识库构建（文档解析、分块、向量化）检索阶段的双路召回策略（向量+关键词）重排序优化上下文拼接与提示模板设计生成阶段的引用溯源与幻觉控制 RAG完整工作流程一、离线知识库构建（预处理）文档解析：处理PDF/Word/网页等多格式，提取结构化文本知识分块（Chunking）：按语义/固定长度/递归分割，通常512-1024 token，块间保留重叠防止断句向量化：用Embedding模型（如BGE、M3E）将文本转为稠密向量索引存储：写入向量数据…

#高德#RAG#RAG 工作流程

面试题·检索· 百度

RAG 技术实现流程怎么走?

匹配正文：…值截断、元数据过滤（如只查最近1年文档）四、上下文构建与生成上下文组装：按相关性排序，标注来源；超长时采用摘要压缩或多轮检索 Prompt设计：明确指令"基于以下参考信息回答，若信息不足请说明" 生成优化：引用溯源：要求模型输出引用标记 [doc_id] 拒答机制：检索结果相关性均低于阈值时，不编造答案关键权衡召回率 vs 精确率：业务问答优先精确率（宁可少答），知识探索优先召回率；延迟敏感场景可牺牲精排深度。

#百度#文档切分与检索#RAG 实现流程

面试题·检索· 百度

RAG 文档处理与检索策略怎么搭？

匹配正文：…atency 高三、生成集成层上下文组装：检索片段按相关性排序，拼接为上下文控制总长度（通常占模型上下文30%-50%） Prompt设计要点：基于以下参考资料回答问题，若资料不足请明确说明： [参考资料] {检索内容} 用户问题：{query} 生成优化：引用溯源：要求模型标注答案来源片段置信度判断：检索分数阈值过滤，低置信触发"我不知道" 多轮RAG：迭代检索补充信息典型痛点问题解法检索失效混合检索 + Query扩展 + 重排序上下文过长摘要…

#百度#RAG检索策略#RAG 系统架构

面试题·检索· 字节

专业领域RAG数据与检索优化？

匹配正文：答案要点分模块阐述数据预处理（解析、分块、质量过滤）、检索层（多路召回、重排序）、生成层（上下文压缩、引用溯源）的设计体现领域适配思路（领域术语表、专用Embedding）提到评估闭环和持续优化机制避免只讲基础RAG流程，要有工程化深度一、数据预处理层文档解析与清洗多格式统一：PDF/Word/网页用专用解析器（如MinerU、Marker），保留表格结构和层级标题领域术语标准化：建立专业词表，做实体链接和指代消解质量过滤：去重、低质量页面过滤、敏感信息脱敏…

#字节#领域RAG架构#RAG 系统架构

ReAct 核心思想与多步推理优势

ReAct 如何结合推理与工具使用？

Agent 行为模式有哪些？

AI Agent组件如何协同工作?

AI Agent 项目实战经验

ReAct 框架怎么工作？

Agent任务规划:分解与ReAct机制

ReAct 框架核心思想与流程

AI Agent 核心特点与局限

Policy 模型错误决策怎么防?

垂直领域 RAG 完整架构

LangChain vs LlamaIndex 架构差异？

新用户冷启动：生成式推荐与Embedding

外挂数据库怎么提升大模型准确性?

RAG 模型分类有哪些?

现代 RAG 架构怎么变?

人工干预怎么控制 LLM 生成?

RAG 检索准但回答差怎么调?

专业领域RAG链路优化陷阱

RAG 流程各环节优化陷阱

RAG增强与生成如何衔接？

RAG 技术实现流程怎么走?

RAG 文档处理与检索策略怎么搭？

专业领域RAG数据与检索优化？