匹配追问：…pt反而让对话变慢了或者更不稳定。你一般怎么衡量这个改动到底好不好呢？比如从准确、稳定、效率几个方面，你会看哪些指标？层层追问 Agent系统里Prompt优化效果怎么评估？……除了看最终任务完成率，还有哪些细粒度指标？……那稳定性呢，比如同一个Prompt跑多次结果差很多，怎么量化？……效率方面，Token消耗和延迟你怎么平衡？直球架构在基于大模型的Agent系统中，设计一组量化指标来评估Prompt优化对推理链路整体性能的影响，要求覆盖准确性、稳定性和推理效率。你会…

#阿里云#Prompt工程#评估与监控

面试题·Prompt· 百度

Reflection 机制怎么提升协作?

匹配追问：场景切入假设你在做电商客服的多智能体系统，有售前、售后、物流三个智能体协作。用户抱怨物流慢，售后说退款，物流说已签收，两方吵起来了。在没有外部仲裁的情况下，你怎么让它们自己发现并纠正这种冲突？层层追问多智能体系统里，智能体之间是不是经常各说各话、甚至互相矛盾？……那你怎么让它们意识到自己错了？……比如某个智能体输出后，系统怎么让它回头检查并修正？核心机制叫什么？直球架构请直接设计多智能体系统中的Reflection机制。说清楚它的核心功能是什么，以及它如何提升协作效…

#百度#Agent#Reflection 机制

面试题·Prompt· 商汤科技

ReAct 范式核心思想与工作流程

…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怎么解决工具调用…

← 上一页第 15 / 16 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

匹配追问：

#商汤科技#Agent#ReAct 范式

面试题·Prompt· 美团

ReAct 框架怎么实现推理+行动?

匹配题目：请详细解释ReAct（Reasoning + Acting）框架的基本思想、工作机制及其在大模型代理（Agent）中的应用，包括它如何结合推理与外部操作来提升任务完成能力，并举例说明其实现流程。

#美团#评估与监控#Agent

面试题·Prompt· 美团

ReAct 框架怎么工作？

匹配题目：请介绍ReAct（Reasoning + Acting）框架的基本思想、工作流程及其在大模型代理（Agent）任务中的应用，例如问答、工具调用等场景。

#美团#Agent#ReAct 框架

面试题·Prompt· 美团

ReAct 框架核心思想与流程

匹配追问：…，你一般怎么设计它的行为？……那如果工具返回的结果和预期不符，模型能自己调整吗？……怎么让它一边想一边做、还能根据观察修正？直球架构讲讲ReAct框架的核心思想和流程吧。它怎么把推理和行动结合起来的？相比CoT或纯Action，优势在哪里？具体怎么在agent里落地？

#美团#Agent#ReAct 框架

面试题·Prompt· 美团

ReAct 框架怎么用?

匹配标题与标签：ReAct 框架怎么用? 核心思想与工作机制,Agent 任务中对比纯推理/动作模型优势 Prompt 美团 Agent ReAct 框架 Reasoning+Acting Agent 任务 ReAct vs 纯推理美团

#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：…是... 设计要点总结 Plan是隐式的：通过Thought的链式累积实现动态规划 Observation是瓶颈：工具质量直接决定Agent效果格式约束是关键：必须用结构化分隔符（如Observation:）让模型区分内外信息

#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· 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

Deep Research vs RAG 怎么选?

匹配正文：…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：Planning Agent + Tool Use + Memory 核心机制：动态生成子问题（Decomposition）基于中间结果决定下一…

#Deep Research#RAG#Deep Research vs RAG

面试题·检索· 快手

RAG 延迟与准确率优化

匹配追问：…？……延时高具体会卡在哪几个环节？……那正确率方面呢，比如检索不准、上下文污染这些，你怎么看？……结合这些，你一般怎么优化？直球架构直接说，RAG系统在实际Agent场景里，延迟和正确率两大块，各有什么主要挑战？原因是什么？你给出具体的优化方案，比如检索、生成、Agent规划层面分别怎么做。

#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：…果掉就调召回策略。另外还有一个有意思的点，就是召回和重排的边界其实可以灵活调整。比如在 [[Agentic RAG]] 里，[[Agent]] 可以动态决定是继续召回还是直接重排，甚至多次迭代。这个方向其实挺值得深入聊的。所以整体上，两阶段架构是个很务实的工程选择，核心就是在成本和精度之间找到平衡点。我更倾向把它看作一个可调节的 pipeline，而不是固定的套路，根据业务场景去调召回量和重排模型，才能落地得稳。本质是计算成本与精度的权衡召回阶段快速筛出候选集重排阶…

#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

匹配追问：…的退货政策,最后生成回答。这种场景下,你有没有碰到过检索太慢或者答非所问的情况？具体是哪些延迟和准确率的问题？层层追问 RAG在Agent落地时,你觉得主要有哪些性能瓶颈？……延迟方面,比如首Token出来慢、流式输出卡顿……准确率方面,召回不够或者噪声干扰……这些问题的根本原因你觉得是什么？直球架构请直接分析Agent+RAG系统在延迟和准确率上分别面临哪些核心挑战,并说明每个挑战产生的根本原因。不用展开具体方案,重点讲问题和根因。

#快手#RAG延迟与准确率#RAG 延迟准确率根因

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

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·多模态· 小红书

多模态大模型面临哪些挑战?

匹配正文：…败样本。不能因为某个总分提高，就断言细粒度对齐或长链推理必然改善。 CoT可能帮助模型组织步骤，但生成的理由不一定由视觉证据支持；Agent可以调用OCR、检测器或搜索，RAG可以补外部知识，却都不能自动修复输入中未被识别的对象。工具返回还可能冲突或被错误引用，需要显示区域、帧和文本证据，并在不足时拒答。跨模态冲突是另一类风险。图像、字幕和用户文字不一致时，模型可能偏向更强的文本先验。需要专门构造冲突样本，测模型是否指出差异，而不是强行融合。医学、身份和内容审核等高风险场景…

#模态对齐#数据构建#推理一致性

面试题·RLHF与对齐· 美团

RL 训练环境与 Sim2Real

匹配追问：…不同形状的零件，仿真环境里的摩擦系数、零件重量都和真实工厂差很多，你打算怎么搭这个环境，让策略在真实产线上也能用？层层追问 RL智能体的训练环境你一般怎么搭建？……仿真和真实差距很大，那你怎么保证模拟的效果能迁移到现实？……具体用什么技术来对齐？直球架构从零设计一个用于机器人操控的RL训练环境，要兼顾效率和真实性。请说明环境建模、状态动作空间、奖励设计和Sim2Real迁移的关键步骤。

#强化学习#训练环境#Sim2Real

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

匹配追问：…如果文档是法律合同，有嵌套条款和引用，你还会用固定长度切吗？……所以针对这种强结构、强引用的专业文档，你觉得关键策略是什么？直球架构在医疗或法律领域的RAG系统中，文本切块需要怎么设计？请你对比固定长度、递归字符、语义、结构感知和智能体这几种策略，说说它们的优缺点，以及你会选哪种并如何做元数据增强。

#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：…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表现差改进：引入Agent（ReAct迭代检索）、知识图谱增强、专用工具调用四、小红书场景的特殊考量社区内容RAG还需解决：UGC质量参差（需内容过滤）、实时性要求高（新笔记秒级索引）、多模态内容（图文联合检索）。

#小红书#RAG 局限性#RAG 缺陷