匹配口述回答：…，它必须对应前面那个失败，例如用清晰的指令层级解决冲突，用结构化输出加服务端校验解决解析问题，而不是为了堆技巧。效果按【评测口径】评估，既看主任务质量，也看格式成功率、危险输入、token 和延迟。结果只填写【真实结果】，并保留 Prompt diff、失败样本和实验配置。如果同一轮还换了模型或数据，我不会把收益全部归因于 Prompt。上线后按 Prompt 版本灰度和监控，出现关键切片退化就回滚；如果问题来自知识缺失、权限或模型能力上限，我会改用 RAG、工具或微调，而…

#科大讯飞#阿里#模型微调

面试题·Prompt

System Prompt 和 User Prompt 有什么区别?

匹配口述回答：…服退款场景下System禁止透露内部规则落地风险：System不是安全屏障，需配合过滤和审核约2分钟不同模型对System Prompt的遵从度有差异，开源模型可能没那么高。面试官可能追问：具体哪些模型差异大？怎么评估或强化System Prompt的遵从度？

#入门#基础概念#System Prompt

面试题·Prompt· 字节

RAG Generator 怎么构造 Prompt?

匹配口述回答：…摘要。文档里即使出现“忽略前文”之类文字，也只能作为数据，不能获得新的工具权限。上线后我会记录证据 ID、版本、排序、截断位置、Prompt 哈希、模型版本和校验结果，让错误能够重放。监控不仅看答案评分，还看引用缺失、无证据作答、冲突处理、权限泄漏、token 与尾延迟。模型或 Prompt 升级前，用冻结候选集回归它利用证据的能力，再做端到端灰度。这样设计 Generator 时，输入组织、输出约束和验证都能独立评估，某个指标变化也能找到真正原因。本质是让模型看见并重视…

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

#字节#Prompt工程#RAG Generator Prompt

面试题·Prompt· 阿里

Prompt 系统设计原则与技巧

匹配口述回答：…shot的示例要覆盖边界情况，比如退款被拒的例子，否则模型会偏向常见情况。我上线前会特别关注这些。另外，在[[RAG]]场景下，prompt设计要区分系统指令和用户指令。系统指令强调“基于参考资料回答”，用户指令才是具体问题。如果资料不足，要明确说“根据现有信息无法确定”，禁止编造。这个其实涉及到[[Faithfulness]]评估，怎么判断模型有没有忠实于资料，是一个值得深挖的点。最后，工程上我会用动态组装，把系统指令、上下文、示例拆成模块，按场景拼接，避免硬编码在代码…

#阿里#Prompt工程#Agent

面试题·Prompt· 百度

RAG 改写与 Prompt 链路

匹配口述回答：…一次LLM调用，延迟和成本都上去了。查询分解也是，准确率提升但延迟翻倍。所以上线前我会先做离线评测，用[[RAGAS]]之类的框架评估不同策略的收益，再逐步上线。提示词模板也要用A/B测试验证效果。所以整体上，我更倾向于把query改写和提示词构建看作一个系统来设计，先根据业务场景选主策略，再通过离线评测和A/B测试逐步调优，而不是一上来就堆所有策略。 query改写本质是弥合用户表达与文档表达之间的语义鸿沟改写策略要按场景选，实际落地常是组合拳提示词构建的核心是让模型…

#百度#小鹏#美团

面试题·检索· OPPO

Context vs Prompt Engineering 区别?

匹配口述回答：这道题其实问的是，在大模型应用里，我们怎么把输入这件事拆成两个不同层面来优化。一个是怎么问，也就是提示工程；另一个是给什么，也就是上下文工程。两者目标不同，但在真实落地时，往往是混合着用的。先明确一下边界。Prompt Engineering 解决的是表达问题，比如指令怎么写、示例怎么放、格式怎么约束，核心是让模型理解我们想要什么。而 Context Engineering 解决的是信息质量问题，尤其是当模型需要依赖外部知识时，比如客服场景下的退款政策、库存数据，怎么从一堆…

#OPPO#Prompt工程#Context Engineering

面试题·评估· 字节

判别式转生成式哪种方法更优?

匹配标题与标签：判别式转生成式哪种方法更优? 不同转化方法性能差异及影响因素分析,结合实验经验评估判别式转生成式 Prompt工程指令微调范式对比任务适配 2026真题生成式任务转化 NLP 任务转化方法大模型评测字节

#判别式转生成式#Prompt工程#指令微调

面试题·评估· 字节

RAG 二次生成怎么减少幻觉?

匹配标题与标签：RAG 二次生成怎么减少幻觉? 结合提示工程与约束生成策略,降低大模型幻觉评估抖音约束生成 RAG 幻觉二次生成提示工程字节

#抖音#约束生成#RAG 幻觉

面试题·Prompt· 百度

Agent系统架构怎么选？

匹配标题与标签：Agent系统架构怎么选？大模型 Agent 核心组件选型与架构实现,百度面试题详解 Prompt 百度评估与监控 Agent Agent 系统设计大模型 Agent 架构 Agent 核心组件百度

#百度#评估与监控#Agent

面试题·Prompt· 字节

Agent 能力怎么系统提升?

匹配标题与标签：Agent 能力怎么系统提升? 架构设计、工具集成、推理机制与学习方式 4 个维度 Prompt 字节百度评估与监控 Agent Agent 能力提升大模型 Agent 架构 Agent 工具集成 Agent 推理机制字节

#字节#百度#评估与监控

面试题·Prompt· 美团

ReAct 框架怎么实现推理+行动?

匹配标题与标签：ReAct 框架怎么实现推理+行动? Agent 中 ReAct 工作机制与实现流程,结合搜索工具举例 Prompt 美团评估与监控 Agent ReAct 框架 Agent 推理行动 ReAct 实现流程美团

#美团#评估与监控#Agent

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· 美团

Agent 四大基础能力详解

匹配标题与标签：Agent 四大基础能力详解感知、规划、记忆、工具调用等核心能力的作用与重要性 Prompt 美团评估与监控 Agent Agent 基础能力 Agent 系统设计 Agent 感知规划记忆美团

#美团#评估与监控#Agent

项目实战·RAG

第 1 章:为什么做 RAG?

匹配正文：…BM25",第 4、5 章); 你写的 answer 里"把 context 当依据" = 真实系统的上下文拼接 + 生成(换成 Prompt 工程 + 真·大模型,第 9 章)。换句话说:你这 20 行代码演示的是 RAG 的最小逻辑骨架;后面 9 章会逐步补上解析、切分、索引、评估和引用等工程环节。它不是生产系统,但能帮助你理解生产系统为什么需要这些模块。下面 Part 2,我们把这条流水线展开成真实系统的样子,并回答一个关键问题:为什么这套系统里,大模型反而是最省心…

#RAG#检索#项目实战

系统教程·AI 编程

从零拼一个最小 RAG 问答

匹配正文：…在固定题集上对照验证，不能预设某种方案一定更好。重排:召回一堆,怎么把最相关的排到前面 → Cross-Encoder 精排。评估:怎么量化"答得准不准" → 召回率 / QA 准确率。 👉 想做深,直接看站内 RAG 完整项目教程:沿着文档处理、检索、重排、引用与评测完成项目，并查看配套 GitHub 代码；效果数字要由自己的评测得到。常见坑资料没提到也硬答:prompt 里必须加"没提到就说不知道",否则照样幻觉。 k 取太大:塞太多片段 → 噪声多 + 烧 t…

#Agent#AI 编程

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：…当前用户订单”，但真正执行前仍然必须从服务端身份获得用户 ID，再做数据权限检查。不能相信模型传入的 user_id，也不能因为 Prompt 说“不要越权”就跳过后端鉴权。第二步：模型返回的是调用请求，不是调用结果应用把 messages 和 tools 发给模型后，模型有两种主要选择。如果它认为不需要工具，可能直接返回普通文本。如果它认为需要工具，会在响应中返回一个或多个 tool call。每个调用一般包含调用 ID、工具名和序列化参数。 { "id": "cal…

#Agent#工具调用与安全#Function Calling 完整流程

面试题·Agent

Agent 有几十上百个工具时怎么选？大工具集路由怎样设计和验收

匹配正文：… 工具状态不断变化某个工具可能临时故障、正在灰度、只在测试环境可用，或版本正在迁移。静态大列表无法反映每次请求的真实可用能力。评估无法定位最终工具选错，可能是前置召回没把正确工具找进来，也可能是候选中模型重排错，或者参数填充错。如果没有分层 Trace，只能看到“Agent 调错工具”，很难知道应该改描述、检索、排序还是权限配置。因此，大工具集路由的核心不是加入一个更大的模型，而是把“可不可以用”和“适不适合用”拆成可观测步骤。第零层：先从任务域和权限缩小世界在做…

#Agent#工具调用与安全#Agent 大工具集路由

面试题·Agent

Agent 工具返回成功就算完成了吗？调用、执行、业务成功要分三层判断

匹配正文：…工具把这些情况都返回空数组，Agent 无法正确决策。工具契约应尽可能提供可公开的原因状态，权限细节又不能泄露给无权用户。空结果评估要看系统有没有产生新信息。如果只是连续用同一参数查询，任务没有进展；如果根据空结果调整了假设或向用户澄清，空结果仍然发挥了 Observation 的价值。 HTTP 200 为什么远远不够 HTTP 状态只能描述一次传输或服务请求的外层状态。很多业务 API 会在 200 响应体里返回业务错误，也有异步接口只表示“请求已接收”，真实任务稍后才…

#Agent#工具调用与安全#Agent 工具成功判断

面试题·Agent

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

匹配正文：…；过期、被替代和无权限条目不得进入排序。最后限制条数和 Token，保留来源与时间注入上下文，并用正例、难负例、冲突和不应召回样本评估。这段话的关键不是给出一个万能公式，而是把硬约束与软排序分开。 Agent 记忆检索与重排流程先排除不能用的记忆，再在可用候选里判断哪条更值得进入上下文。第一步：先理解当前任务要找什么用户输入不一定能直接作为向量查询。 “继续做昨天那个方案”包含指代，需要先从当前会话确定“那个方案”可能对应的项目和任务阶段。“还是按以前的风格写”需要检…

#Agent#记忆与存储#Agent 记忆检索排序

面试题·Agent

复杂任务一定要拆成多 Agent 吗？单 Agent 与多 Agent 怎么选

匹配正文：…ch 任务里有检索、分析和写报告，是不是应该分别做三个 Agent？” 很多人会直接回答“多 Agent 分工更专业”。但把三个 Prompt、三个名字和三段对话连起来，不代表系统真的获得了新的能力。任务边界不清时，多 Agent 只会增加消息传递、上下文复制、状态一致性和失败归因成本。反过来，一个 Agent 同时面对大量工具、相互冲突的指令、很长的中间轨迹和多个独立目标，也可能出现工具选择混乱、注意力被稀释、一步失败拖垮整条链路的问题。此时合理拆分可以隔离上下文、权限和…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

面试题·Agent

多 Agent 怎么编排？固定流水线和 Supervisor 监督模式怎么选

匹配正文：…见的错误：把所有控制权都给 Supervisor 如果 Supervisor 同时负责理解用户、拆任务、保存全部上下文、选择工具、评估结果、修复错误和生成最终答案，系统只是把一个大 Agent 换了名字。中央角色会重新遇到上下文爆炸和工具混乱。所有 Worker 的完整输出都回传，Supervisor 越来越难找到关键状态。它还可能凭自然语言误解 Worker 已完成什么，重复派发相同任务。更稳的是让代码和状态层承担确定性责任：预算计数、权限、节点状态、幂等键、工件版本、…

#Agent#多智能体与评估#多 Agent 编排模式

面试题·RAG

RAG 评测集怎么构建？问题、答案和证据必须怎么标？

匹配正文：…总分无法给出这种定位能力。开发集、回归集和保留集为什么要分开？开发集用于日常调试。调整 Chunk 大小、检索权重、阈值和 Prompt 时，可以反复运行开发集，快速观察变化。回归集保存已经发生过的 bad case。每修复一个真实问题，就把原问题、正确证据和预期行为加入回归集。以后换模型或重构链路时，先确认旧问题没有重新出现。保留测试集不参与日常调参。当一个版本在开发集和回归集上都稳定后，再用保留集评估一次。它用来检查系统是否只适应了大家反复看到的题。如果所…

#RAG#评测与上线#RAG 评测集

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：…通过至少一次投递加幂等消费获得可观察的等价效果，而不是口头承诺绝对不重复。发布新版本时，运行中任务怎么办？任务启动时记录模型、Prompt、工具协议、状态 schema 和执行代码版本。滚动发布后，新 Worker 接管旧 checkpoint 前，要确认能够读取旧 schema。无法兼容时继续由旧版本 Worker 排空，或者运行显式迁移。不能让同一任务前半程使用旧工具协议，后半程无记录切到新协议。这样结果出现变化时无法归因。对于安全修复，可以强制暂停旧任务，但要…

#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：…、租户、问题族、预算、版本和最终状态。阶段 span 表示计划、检索、访问、计算、摘要和综合等阶段。模型 span 记录模型、Prompt 版本、输入输出 token、缓存使用、采样、延迟与结果状态。工具 span 记录工具名、参数摘要、供应商 request ID、计费单位、缓存命中、重试与错误类型。状态 span 或事件记录 checkpoint、上下文长度、证据数量、剩余预算和停止原因。父子关系让团队看到一次昂贵任务究竟在哪一步扩张。异步任务跨进程、队列和服…

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