匹配正文：…实日志不一定保存完整自然语言与参数，应按隐私要求存摘要。关键是保留过滤、召回和选择三个阶段的证据。否则工具选错时，只能重新读最终 Prompt 猜原因。工具描述怎样为路由服务小工具集里，描述主要给模型看；大工具集里，描述还承担检索文档的作用，因此需要更清楚的结构。每个工具至少写五类信息：能力，即它能完成什么；限制，即它不能完成什么；输入，即调用前必须已有的信息；输出，即能返回何种事实；差异，即与最相近工具怎么区分。以 Search 和 Visit 为例。 search…

#Agent#工具调用与安全#Agent 大工具集路由

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：…付风险。随后为每个研究缺口设置允许的证据年龄和复核要求。这个要求不是让模型自由猜一个 TTL。可以把任务分为稳定事实、版本能力、动态事件和高风险结论，再结合数据源变化频率与服务承诺配置策略。同一份缓存对一个问题可用，对另一个问题不可用。例如旧官方文档适合说明历史版本，却不适合支持“现在”。缓存对象应记录抓取时间、页面声明时间、内容版本和最近验证状态。只有抓取时间，没有内容所属时间，仍可能把旧数据当新资料。看到“最新”就完全禁用缓存吗？不一定。可以复用稳定的页面解析…

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

面试题·Agent

Deep Research 训练的种子问题从哪里来，怎样避免一开始就把数据做偏？

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

匹配正文：…分答案和无法公开核验。第七是语言与表达。标准问法、口语、错别字、指代和省略可以适量覆盖。第八是风险与时效。稳定背景、当前版本、动态事件和高风险决策不能混成一种验收标准。 Deep Research 种子数据覆盖矩阵数量要落在能力维度上，才能发现模型究竟缺哪类问题。怎样判断一条种子真的“复杂”？先问是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…

#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：…，补偿只作为失败后的明确路径。每个工具应说明是否可补偿、补偿前置条件和超过什么状态后不可补偿。模型不能根据名称猜一个相反操作。 Prompt 注入怎样触发工具风险 Agent 读取网页、文档或邮件时，内容中可能混入“调用某工具”“上传密钥”等指令。外部内容是数据，不是可信系统指令。运行时要区分用户目标、系统策略和工具返回。工具结果不能提升权限，也不能动态增加未注册工具。敏感动作只根据可信任务状态和明确确认执行。工具参数还要限制路径、域名、SQL、命令和文本长度。沙箱用于…

#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？

匹配正文：…性审核的种子。第二步，建立原问题的实体、关系、时间、答案和证据映射。第三步，选择目标能力，例如多对象比较、多源冲突、时效更新或动态规划。第四步，用图路径、迭代操作、形式化组合或实体替换生成候选结构。第五步，把结构写成自然问题，明确范围、交付和证据要求。第六步，由独立求解流程重新完成，不读取旧答案。第七步，检查最小证据路径、答案支持、无捷径、无泄漏、语言自然和合规。第八步，按问题族、结构和证据来源去重，再进入轨迹采样。复杂 QA 从种子到验收的生成流程每次复杂…

#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：…内容，最终候选里可能出现大量近重复 Chunk。更危险的是扩写词不等义。日常表达中的近义词，放到专业文档里可能有不同边界。模型动态扩出的相关词，也可能只是主题相关，并不能互换。所以扩写需要明确来源和合并规则。可控的领域同义词适合由词典维护。复杂语义可以让模型生成候选，但要保存每个扩写版本，并限制数量。多路结果合并时，可以按稳定 Chunk ID 去重，并记录每条候选由哪些 Query 找回。这样既能识别多路共同命中，也能排查哪条扩写引入了噪声。扩写还可以用于多条件…

#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：…与降级情况。否则轨迹出了问题，只能看到一段结果文本，无法判断是模型错、工具错还是来源变了。可重放也不等于永远得到相同互联网内容。动态来源需要保存核验时间和必要快照，并标记哪些题属于时间敏感任务。一条轨迹最少要保存哪些信息？任务层要保存问题 ID、问题族、目标能力、范围、交付和允许使用的工具。行动层要保存步骤 ID、工具名、结构化参数、调用时间、结果状态和前后依赖。观察层要保存环境实际返回的来源标识、内容定位、错误类型和是否进入证据集合。状态层要记录已经确认的主张、…

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

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：…，因为正确动作也可能带着错误参数。基线和训练后模型怎样公平比较？两边必须使用同一批问题、同一工具版本、同一最大运行预算、同一 Prompt 和同一停止策略。如果训练后模型使用了更宽松解析器，格式成功率会被基础设施差异抬高。若网页内容在两次运行之间变化，事实题的结果也不能直接比较。动态来源可以保存时间快照或在同一时间窗交错运行。工具失败要单独记录，不能把环境超时算成某个模型的策略错误。采样参数也要一致，并保留随机种子或多次运行。单次输出容易被随机性影响，尤其是同一问题…

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

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：…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 轨迹偏多可能是原因之一。所以面试官…

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

面试题·Agent

Deep Research Agent 训练中，CPT、SFT 和 GRPO 应该怎样取舍？

匹配正文：…模型可能提前结束。环境如果无法稳定返回工具结果，reward 又会混入基础设施噪声。同组候选如果全对或全错，组内缺少区分信号。动态采样可以识别低区分度组，但过滤规则和边界仍要验证。长轨迹截断也需要特殊处理。训练材料提醒，若未完成轨迹一律被当成失败负样本，模型可能学会为了避免截断而尽快给出随意答案。三阶段为什么通常按这个顺序？ CPT 先让模型接触 Agent 行动结构，SFT 再把它约束到生产协议，GRPO 最后在环境反馈中比较策略。若先做 RL，基座可能连合法 t…

#Deep Research#数据构造与训练#Deep Research 多阶段训练

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

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：…point：原问题、当前计划、已确认主张、证据 ID、未决问题、工具调用与环境返回、预算和终止原因。恢复时先验证工具结果仍可用，动态来源要保留时间信息。不能把过期 observation 当成当前事实。还要保证幂等。上一调用可能已经成功，但响应在网络层丢失；直接重试可能重复提交有副作用的工具。续跑后的轨迹要保留父子关系和恢复点。审核者能看出哪些步骤来自原运行，哪些来自恢复运行。如果这些条件不具备，重新从头采样通常比文本续写更可信。怎样设计预算，减少“无意义截断”？ …

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

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：…用户只说‘查上个月华东的活跃客户’，你怎么让模型知道该用哪些表和字段？” 很多 Text2SQL Demo 会把全部建表语句塞进 Prompt，让模型直接生成 SQL。表少时看起来能跑，表一多就会出现三类问题：上下文被无关字段占满；同名字段和相似表互相干扰；用户说的是业务词，数据库里却只有技术字段。更难的是“活跃客户”本身没有唯一含义。它可能指登录过、下过单、产生过付费或满足某个客户分层规则。“上个月”按自然月还是最近三十天，“华东”按客户注册地、收货地还是组织归属，也都需…

#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：…实执行过，哪些结论已经由哪些来源支持。 Checkpoint 写入要原子化。状态显示步骤完成时，对应证据和预算变更也应已经提交。动态来源需要保存抓取时间和必要快照。恢复运行时要判断旧 observation 是否还能继续使用。敏感数据应按租户隔离并加密，checkpoint 不能成为跨用户泄漏入口。重试应该在哪一层做？网络抖动和服务端临时错误可以在工具适配层短重试。查询过宽导致空结果，需要 Agent 修改参数，不应由底层无限重放同一个请求。模型推理瞬时失败可以由…

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

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：…境用来验证迁移与工具变化。两类结果不能混为一个分数。怎样从评估结果定位到具体修复？构建“问题类型 × 质量维度”的矩阵。例如动态比较题的引用准确低，继续下钻到 Search、Visit、时间范围和证据映射。若格式错误，修模板、数据角色或解析器；若工具选择错，补成对边界数据；若来源冲突处理弱，补对应轨迹与评测；若环境失败多，修工具服务。每个失败关联 task Trace、问题族、模型、Prompt、工具、数据和 evaluator 版本。修复后加入回归集，并在独立问…

#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：…样本监控主 Judge 漂移。隔离不代表完全不同，否则无法比较；它意味着不让一个可被优化的单一裁判垄断质量定义。怎样设计对抗与动态 Holdout？对抗集覆盖位置交换、长度相同但事实不同、引用多但不支持、短而完整、风格相近与跨模型候选。加入 Prompt injection、同源转载、过期来源和答案正确但过程错误。动态 holdout 定期加入新问题族、新时间来源和新错误模式，避免静态集被长期调参吃透。更新时保留一部分稳定锚点，用于判断分数断点来自 Judge、任…

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

面试题·Agent

Agent 怎么评估才不只看最终答案？任务、执行轨迹与成本要分层验收

匹配正文：…要验证；奖励报告长度，Agent 会灌水；奖励工具成功率，系统可能只选择最容易成功而非最合适的工具。防止刷分需要多维度、硬门禁、动态挑战集、对抗样本和人工抽检。指标定义定期复查，关注分数提升是否对应真实 Badcase 减少。把指标按场景切片也很重要。总分提高可能只来自简单题，复杂、权限和故障样本反而退化。评估系统与被评系统是持续博弈。不要把 Rubric 设计成固定 Prompt 后长期不变。一条轨迹怎样分层打分假设任务要求比较两个技术方案并给来源。轨迹先拆子问题…

#Agent#多智能体与评估#Agent 评估体系

面试题·Agent· 字节

Agent 架构的取舍与适用条件

匹配正文：…Agent的核心优势优势说明任务分解将复杂目标拆解为可执行的子步骤，如"分析竞品"→"搜索→整理→对比→输出" 工具调用动态选择外部工具（搜索、代码执行、数据库），突破模型参数限制动态决策根据中间结果调整策略，而非固定流程可解释性思考链（CoT）和动作轨迹可追溯，便于调试二、主要局限性延迟高：多轮LLM调用+工具执行，RT常达秒级甚至10s+ 错误累积：单步错误会级联放大，"一步错步步错" 系统复杂：状态管理、工具注册、异常处理工程量大成本不可控：To…

#字节#Agent#Agent 架构

面试题·Agent· 阿里

Agent 外部工具怎么集成?

匹配正文：…arameters用JSON Schema严格约束，支持嵌套对象和枚举值。二、参数解析与类型校验双层校验机制： LLM层：通过prompt约束输出合法JSON，必要时用约束解码（如Outlines、Guidance）系统层：Pydantic动态校验 + 类型强制转换，失败时反馈具体错误给LLM重试工程实践：复杂参数（如日期范围）做语义解析，支持"最近三天"→具体日期的转换。三、调用机制设计场景机制实现实时查询同步调用 asyncio超时控制（默认5-10s…

#阿里云#Agent#Agent 工具集成

面试题·Agent· 高德

Agent记忆分层与RAG检索

匹配正文：…检索后处理重排序（Rerank）：Cross-Encoder精排Top-K结果信息密度筛选：优先选包含实体、动作、结论的片段动态窗口分配：工作记忆固定槽位 + RAG结果弹性槽位 Prompt注入模板 [系统指令] [工作记忆：最近对话] [RAG检索：相关历史摘要] ← 动态填充 [当前用户输入] 平衡策略：设置token预算上限，RAG结果按相关性截断，确保总上下文<模型上限的80% 工程实现要点存储层：向量库（Milvus/Pinecone）+ 图数据库（Neo…

#高德#Agent#向量检索

面试题·Agent· 百度

Agent 组件如何实现自主决策与学习?

匹配正文：…行的子步骤（如"订机票"→查航班→选座位→支付）推理策略：CoT（链式思考）、ToT（树状搜索）、ReAct（推理+行动交错）动态调整：根据执行反馈重新规划（如工具调用失败时换备用方案） 2. 记忆（Memory）类型作用典型实现短期记忆当前对话上下文、任务状态滑动窗口、摘要压缩长期记忆历史经验、用户偏好、领域知识向量数据库（如用embedding存成功案例）工作记忆当前步骤的中间结果显式的状态变量 3. 工具调用（Tool Use） Functi…

#百度#Agent#Agent 工作原理

面试题·Agent· 蚂蚁

模糊意图怎么补全?

匹配正文：…↓ 是 RAG检索: 领域知识 + 用户历史 + 相似案例 ↓ 生成追问/候选选项 → 用户反馈 → 更新DST → 循环或执行动态检索：每轮根据当前状态构造查询，非一次性检索知识注入：将检索结果作为prompt中的context，明确标注来源蚂蚁场景要点金融域合规优先：模糊涉及金额、账户时，必须确认而非推测多模态输入：支持用户上传截图（账单、证件），OCR+RAG联合解析人机协同：置信度极低时主动提供"转人工"选项，而非强行猜测学习建议建议先掌握对话系统的基…

#蚂蚁#Agent#Agent意图补全

面试题·Agent· 蚂蚁

Agent 工具调用失败怎么处理?

匹配正文：…ct循环中作为新上下文示例："搜索工具超时，已切换至备用API，获取结果：..." 长期（跨会话）：工具失败日志入库，用于：动态调整工具优先级（失败率高的降权）微调或Prompt优化（常见错误模式→few-shot示例）四、状态机驱动的规划调整 Planning → ToolCall ──失败──┬─→ Retry ──成功→ Resume ├─→ Switch ──成功→ Resume └─→ Fail ──→ Replan/Abort 关键：由on_tool_f…

#蚂蚁#Agent#Agent 工具调用失败

面试题·Agent· 百度

Agent 核心模块怎么协同?

匹配正文：…g）职责：任务分解与策略制定思维链（CoT）：单路径推理，适合确定性任务 ReAct：推理+行动交错，"想一步做一步"，更适合动态环境多步规划：复杂任务拆解为子目标，支持回溯调整例：用户问"明天北京适合户外吗"，规划为：查天气→分析温度/降雨→给出建议 2. 记忆机制（Memory）职责：状态持久化与上下文管理类型功能典型实现短期记忆当前对话上下文窗口缓存、摘要压缩长期记忆用户偏好、历史经验向量数据库存储+检索工作记忆任务执行中的中间状态结构…

#百度#Agent#Agent 工作原理