匹配正文：…否必须访问多个独立证据。再问是否存在对象、版本、时间或指标需要对齐。再问某一步结果是否会改变下一步计划。再问能否只靠一个搜索摘要回答。如果可以，它可能只是检索题，不是完整研究题。还要检查问题是否因为写得含糊才“难”。“全面分析某技术”缺少范围和完成条件，Agent 跑很多步只是因为任务没定义好。好的复杂题是研究结构复杂，但任务契约清楚。例如需要比较多个对象、核对不同来源、解释条件差异，并在证据不足时保留缺口。难度标签应通过最小可行轨迹和人工复核校准。模型预测的“难…

#Deep Research#数据构造与训练#Deep Research 种子数据

面试题·Agent

Agent 调用写操作怎么防误执行？副作用分级、幂等、确认和审计怎样做

匹配正文：…工具分级。模型返回写操作后，后端重新做身份、对象权限、参数和当前业务状态校验；可逆写操作使用 Dry-run 展示影响，再绑定参数摘要让用户确认；高风险动作进入固定 Workflow 或人工审批。真正执行时为一次业务意图生成稳定幂等键，建立准备、执行中、已确认、待核对等台账，超时后先查询外部状态而不是直接重试。结果和审批都写入审计 Trace，参数变化使旧确认失效。模型可以建议动作，但不能绕过授权、确认、幂等和资源上限。这段回答的重点是：授权决定能不能做，确认决定用户是否同…

#Agent#工具调用与安全#Agent 写操作幂等

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？

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

按学习路线查看教程、项目和面试题。

站内 RAG 在线实战

匹配正文：…简单问答出发，让模型“把题目改复杂一点”。最常见的结果，是问题变长了。它多了几个对象、几句背景和一串限制，但答案仍能从一个搜索摘要里找到。另一种结果更糟：替换了实体或时间后，原答案已经不成立，问题却继续进入轨迹生成。真正的复杂问答由证据结构决定。它需要跨对象、跨来源或跨步骤收集信息，对齐版本与条件，某一步结果还会影响下一步研究路径；单纯增加文字没有这种效果。题目变难的同时，必须仍然可理解、可执行、可核验。含糊任务只会让模型学会不断搜索，无法形成真正的研究能力。所以面…

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

面试题·RAG

Query 重写、扩写和 HyDE，应该在哪些查询上启用？

匹配正文：…ery 相同，但历史不同，重写结果可能完全不同；同义词表、提示词或模型升级后，产物也会变化。缓存键至少要包含会影响结果的会话上下文摘要和处理版本，不能只用用户输入文本，否则上一段对话的实体可能被复用到另一段会话。什么时候应该直接向用户澄清？ Query 优化的目标不是让系统无论如何都搜出内容。有些问题缺少的信息无法从对话历史安全补全。例如用户说“这个能不能退”，上一轮同时出现了两个对象；或者用户只问“怎么处理”，系统不知道他在问申请、报销还是故障。此时重写模型如果自行…

#RAG#检索与重排#RAG Query 重写

面试题·Agent

Teacher 生成的 Agent 轨迹为什么不能直接拿去训练，怎样筛出高质量样本？

匹配正文：…先说清：这里的“轨迹”不是公开模型私有思维工程上真正需要审计的，是系统可以观察和复现的过程。一条轨迹可以包括用户任务、当前状态摘要、工具名称、结构化参数、工具返回、被采用的证据 ID、任务状态变化、停止原因和最终答案。例如系统先搜索候选来源，随后访问官方页面，发现版本条件不一致，再补查第二个来源，最后只对已经获得支持的结论作答。这些动作和观察都能从日志与工具环境中核验。不需要把模型不可审计的内部推理文本当成质量依据。即使 Teacher 写了一段听起来很完整的“思考”…

#Deep Research#数据构造与训练#Deep Research 轨迹生成

面试题·Agent

轨迹中哪些 Token 应参与 Loss，Observation Mask 怎样按目标实现？

匹配正文：…的结构化 tool call 是目标，因为线上需要模型决定工具与参数。模型最终回答是目标，因为它需要综合证据完成任务。对于状态摘要、计划或中间说明，要根据线上架构判断。如果它由模型生成并会在推理时复现，可以纳入目标；如果由控制器或外部压缩器写入，就应当作为条件而不是目标。不要依赖字段名字猜。某些数据把工具返回错误标成 assistant，某些框架又把模型的 tool call 拆成专用角色。真正边界来自生产协议与消息血缘。为什么不是 Attention Mask？ A…

#Deep Research#数据构造与训练#Observation Loss Mask

面试题·Agent

Agent 长期记忆什么时候写入？从候选提取到更新、冲突和遗忘的完整生命周期

匹配正文：…秒回答 Agent 不应该把模型认为重要的内容直接写入长期记忆。我会先从对话和任务结果中提取候选，区分用户明确偏好、稳定事实、任务摘要和可复用经验，再做敏感信息、保存授权、主体权限、来源可信度、去重与冲突检查。通过后写入带来源、时间、版本、有效期和可见范围的正式记录。后续新事实不能覆盖旧记录而不留痕，而应更新版本或建立替代关系。过期、撤回和用户删除要同时作用于主记录、向量索引与缓存。评估既要测该记住时能否写对，也要测不该记时能否保持不写。这段回答最重要的一句是：长期记忆是一…

#Agent#记忆与存储#Agent 记忆写入机制

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：…第四道是环境执行成功。工具没有超时、权限失败或返回空结果。第五道是结果被正确利用。模型理解了 observation，没有把搜索摘要当原文，也没有忽略冲突。第六道是后续决策合理。证据不足时继续查，完成后及时停止。第七道是最终答案完整。用户要求的对象、维度、来源和边界都得到回应。首次 SFT 可能主要改善第一道门，不能据此默认后六道也随之改善。评测为什么必须拆开？如果只统计“是否成功调用工具”，一个不需要搜索的常识题调用 Search 并得到结果，可能被判为成功。 …

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

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：…滤条件和候选变化，才能判断漏召回发生在理解、过滤、向量召回还是重排。一个任务可能需要多路检索。用户偏好走结构化属性查询，历史任务摘要走语义检索，最近事件走时间范围查询，实体关系走精确键或图关系。不要强迫所有记忆都经过同一条向量查询。硬过滤为什么必须在相似度之前权限、主体和有效状态不是“加一点惩罚分”就能解决的软条件。如果候选不属于当前用户或租户，它无论多相似都不能被使用。如果记录已经撤回、删除或被新版本替代，它也不能因为分数高再次出现。如果当前 Agent 没有读取某…

#Agent#记忆与存储#Agent 记忆检索排序

面试题·Agent

训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？

匹配正文：一个调研 Agent 面对“水的化学式是什么”，先调用 Search；面对简单乘法，也想搜网页；真正需要访问原文时，却停在搜索摘要。很多团队会先怀疑 Prompt 没写好，或者模型太小。但如果训练轨迹里大量任务都以 Search、Visit 开头，模型可能只是忠实模仿了高频动作。它没有学会判断“当前缺什么信息”，而是把“收到问题”与“先搜索”绑定在一起。相关首次训练记录里，就出现了简单问题仍偏 Search 的现象，材料同时指出 Search、Visit 轨迹偏多可能是…

#Deep Research#数据构造与训练#Deep Research 工具选择

面试题·Agent

Agent 记忆数据怎么存？关系库、向量库、对象存储与 Schema 怎样设计

匹配正文：…和反馈。它们需要精确查询、约束、事务和审计，适合关系型存储。第二类是需要语义相似检索的文本表示，例如经过筛选的长期记忆、历史任务摘要、知识文档片段和工具描述。它们适合建立向量索引，但原始归属和有效状态仍应回到事实源判断。第三类是大对象，例如完整文档、长报告、附件、网页快照、音视频转写、代码压缩包和长工具输出。它们不应反复塞进 Agent State 或向量元数据，适合放对象存储并保存稳定 URI、内容哈希和权限引用。第四类是短期热点数据，例如最近会话窗口、任务锁、幂等结…

#Agent#记忆与存储#Agent 记忆存储设计

面试题·RAG

RAG 引用怎么做到可核验？为什么让模型自己标来源不够？

匹配正文：…被原样保留，新的结论却超出了原证据。所以，事实核验应针对最终展示文本执行，而不是只核验生成过程中的中间版本。答案经过润色、翻译、摘要或格式化后，只要事实表达发生变化，就需要确认引用关系仍然成立。同样，引用原文不宜只截取一个命中的关键词。过短的摘录可能隐藏前后否定和例外，过长又让用户难以看出依据。来源卡片应展示能够独立理解的最小完整语义单元，并允许继续展开上下文。表格证据还要保留表头和行列关系。只展示某个单元格数值，用户不知道它属于哪个字段。图片或流程图则需要原图位置和经…

#RAG#生成与对话#RAG 引用溯源

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：…责是否相对正交可拆分的职责通常可以用一句话说清输入、动作、输出和完成条件。例如“检索角色接收研究子问题，输出带 URL、时间、摘要和相关性说明的证据候选”，它有独立输入输出，也能单独检查是否有来源、是否与问题相关。如果两个角色必须持续共享全部隐式推理，频繁互相补充上下文，且任何一步都无法独立验收，拆分价值就很弱。比如一个简单数据查询中，把“理解字段”和“生成 SQL”强行拆给两个 Agent，后者仍需要看到用户问题、Schema 和前者所有假设，交接可能比单 Agent…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

面试题·RAG

多轮 RAG 如何理解“这个怎么申请”？

匹配正文：…易被稀释。这就是多轮 RAG 的一道高频面试题：当前问题依赖历史时，怎样把它恢复成可以独立检索的问题？对话历史太长以后，窗口、摘要和长期记忆又该怎样分工？只回答“把历史放进 Prompt”远远不够。面试官还会继续问：怎么判断当前是追问，还是已经换了话题？ Query 改写错了，系统怎样回退？历史窗口放多少轮，为什么不是越多越好？用户记忆和知识库事实冲突时，应该听谁的？为什么直接拼历史会出问题？多轮问答里至少有三类信息。第一类是当前问题。它决定用户此刻真正想问…

#RAG#生成与对话#多轮 RAG

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：…earch 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：同组是否可比，reward 是否…

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

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：…不够，必须有执行凭证。怎样防止 Supervisor 成为性能和质量瓶颈第一，减少中央上下文。Supervisor 读取结构化摘要、开放项和工件元数据，不读取所有原始日志。第二，固定能固定的路由。格式校验、权限、预算、重试计数和明显条件分支由代码完成。第三，局部 Supervisor。不同子图可以有受限控制器，顶层只管理阶段，不让一个角色知道全部工具和细节。第四，决策缓存与幂等。对同一 State 版本和路由意图，不重复产生不同派发，除非失败信息变化。第五，独立完…

#Agent#多智能体与评估#多 Agent 编排模式

求职指南·求职

大模型系统设计和编码环节怎么准备

匹配正文：… 设计一个带评估的内容审核/分类系统 Prompt 分类 vs 微调、评估指标、误报漏报权衡模型架构题库设计一个低成本的长文档摘要/问答长上下文 vs 分段检索、token 成本、缓存 RAG 系统怎么从零搭起准备策略:如果目标 JD 和面试信息包含 RAG 或 Agent,应能说明相应链路与取舍;高并发推理服务偏平台/推理工程岗,应用岗知道大致方案和瓶颈即可,不用深到会写 kernel。编码环节到底考什么,要不要刷题结论:不能按“大模型岗”统一判断编码更轻。公司…

#求职#职业转型

面试题·Agent

长轨迹被截断就算失败吗，为什么这样做会把 Agent 训成提前乱答？

匹配正文：Deep Research Agent 一次任务可能经历多轮搜索、访问、计算和摘要。当轨迹达到最大 token、最大步骤或运行时间，系统可能在 final answer 之前停止。很多训练管道看到“没有最终答案”，就直接给零 reward，并把这条轨迹当作负样本。这看起来合理，实际上可能教坏模型。有些轨迹确实走错了，有些只是环境超时，还有些方向完全正确但预算用完。若全部受到同一种惩罚，模型反而会学着赶在截断前随便给出答案，研究质量未必提高。相关训练材料明确提醒，这种处…

#Deep Research#数据构造与训练#Deep Research 截断轨迹

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：…任务。 Worker 获取 lease 后开始执行。每完成一个可恢复步骤，就写入 action、observation、证据、状态摘要与剩余预算。等待 Search、Visit 等外部 IO 时，任务状态可以标为 waiting_tool，不把整个线程或 GPU 槽位长期占住。模型调用通过推理服务执行，工具调用通过统一网关执行。两类资源分别限流和监控。完成后写入结果与证据索引，状态变为 succeeded 或 partial。无法恢复的错误进入 failed，用户取消进…

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

面试题·Agent

Text2SQL 生成的 SQL 敢直接执行吗？安全校验与执行边界怎么设计

匹配正文：…方式，而是返回权限范围内无法完成。这个例子里没有任何一层依赖模型自报安全。 Trace 至少记录哪些内容记录原始用户意图的安全摘要、解析后的业务槽位、Schema 版本、候选 SQL 哈希或受控文本、参数类型、AST 校验结果、引用表列、权限决策、成本预检、执行环境、耗时、结果行数、错误类型和最终解释。日志需要脱敏。参数可能包含个人信息，SQL 也可能暴露内部表名。普通运营日志不保存完整敏感内容，受限审计按用途和保留期限访问。每个失败要有首个拒绝层。Parser 拒绝…

#Agent#工具调用与安全#Text2SQL SQL 安全

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：Deep Research 的成本不是一次模型调用的账单。一个任务可能经过多轮模型推理、搜索 API、网页访问、计算、重试、摘要、状态存储和结果传输。某次成本异常，原因可能是上下文越来越长，也可能是工具超时触发重试，或者缓存没有命中。如果监控只有“今天用了多少 token”，团队只能看到总额上涨，却不知道哪个租户、哪类问题、哪一步、哪个模型或哪个工具造成了变化。相关工程材料提出全链路指标、结构化日志、成本趋势与异常告警。真正落地还需要把每项消耗关联到任务 Trace 和…

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

面试题·Agent

Agent 能执行 Python 代码，怎样设计 Code Interpreter 沙箱才不会伤到宿主机

匹配正文：…库连接，默认无网络，使用审核过的 pandas 与绘图库版本。控制器限制资源和输出，超时后终止全部进程。运行完成后只返回标准输出摘要、统计结果和经过类型检查的图片。用户原文件与图表带相同租户权限。环境销毁后，下一任务无法看到它们。若代码试图访问 /etc、打开网络或创建大量子进程，应由文件系统、网络和进程限制拦截，而不是仅期待字符串扫描命中。输出也可能是攻击面 stdout 可能非常大，错误栈可能泄露内部路径，生成的 HTML 或 SVG 可能包含脚本，压缩包可能路径穿…

#Agent#工具调用与安全#Agent 代码解释器沙箱

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

Agent 线上答错一次，怎样用 Trace 和 Replay 定位到底哪一步坏了

匹配正文：…本回放四层。每个任务生成 trace_id，每次模型调用、工具执行、状态更新和人工确认作为 span 或 event，记录输入输出摘要、版本、状态引用、耗时、Token、错误和父子关系。重点保存结构化计划、动作、Observation 和完成证据，不依赖最终答案，也不无条件存原始私密推理。回放分三种：复用历史 Observation 做离线确定性回放；在相同版本下重放请求检查能否复现；用新 Prompt 或模型做影子对比。副作用工具默认只读历史结果，不能在回放中再次执行。排障…

#Agent#多智能体与评估#Agent Trace 回放