匹配口述回答：…机制，比如连续失败多少次后应该主动上报人工。另外，记忆管理也是个大坑，长对话中Agent容易忘记前面的上下文，需要设计好短期记忆和长期记忆的切换策略。还有一个方向我最近比较关注，就是[[Multi-Agent]]协作。当单个Agent面对复杂任务时，往往需要多个专业Agent分工，比如一个负责规划、一个负责检索、一个负责验证。但如何协调它们之间的通信和冲突，目前还没有特别成熟的方案，这也可能是未来Agent落地的关键瓶颈。所以总的来说，我会把Agent模式看成一种工具箱，…

#商汤科技#Agent#AI Agent 行为模式

面试题·Agent· 美团

Agent 主流架构怎么选?

匹配口述回答：…前提是每个Agent的边界要划清楚，不然协调成本比收益还高。另外还有几个组件我觉得很关键。一个是记忆模块，短期记忆就是对话历史，长期记忆得用[[向量库]]存，不然上下文一长就丢。另一个是反思机制，像 [[Self-Refine]] 和 [[Reflexion]]，让Agent自己检查结果对不对，错了重来。但反思不是白送的，它多一次LLM调用，延迟和成本都在涨，得看场景值不值得。其实现在还有一个趋势，就是把Agent和 [[RAG]] 结合起来，叫[[Agentic RAG…

#美团#Agent#Agent 架构设计

面试题·Agent· 字节

Agent 工具集成与工作流编排

…实还有一个延伸点，就是工具之间怎么共享状态。比如先查了用户信用分，后面改价格时要不要复用这个结果？这就涉及到Agent的短期记忆和长期记忆的设计，以及状态管理的粒度。所以整体上，我会把工具和工作流看成Agent的“手”和“骨架”，手要稳，骨架要灵活，但两者都得有兜底。本质是模型如何调用外部能力工具设计原则：原子、自描述、防御两种调用范式：Function Calling vs ReAct 工作流：静态DAG vs 动态规划，混合架构业务场景与风险：客服填单用静态，研…

← 上一页第 4 / 4 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

匹配口述回答：

#字节#Agent#Agent 工具集成

面试题·评估· 蚂蚁

Agent 系统哪些模块最易出问题?

匹配口述回答：…可能造成真实业务损失。第三类是上下文和记忆层。历史消息不断膨胀会让延迟和成本上升；摘要压缩如果删掉关键约束，模型会突然决策变差；长期记忆如果没有时效和权限过滤，还可能拿到过期或不该看的信息。第四类是模型服务层，比如 LLM 首 token 延迟变高、队列堆积、限流、输出格式不稳定。Agent 是多次调用模型的系统，一个请求里可能调用好几轮，所以模型服务的小抖动会被放大。监控体系我会分三层。基础设施层看 GPU 利用率、队列长度、模型调用延迟、错误率。Agent 运行时层…

#蚂蚁#Agent#AI Agent 稳定性

面试题·评估· 美团

RAG 解决了哪些问题?

匹配口述回答：…题。[[RAG]]的核心思路很简单，就是检索加生成，相当于给模型外挂一个可以动态更新的知识库。你可以这么理解，模型本身的参数是它的长期记忆，而RAG就是给它一个短期记忆或者说是可查的参考资料，每次回答问题时先查资料再作答。那它解决什么问题呢？我拿一个具体的客服场景来说。比如用户问退款政策，如果模型完全靠参数记忆，很容易把几个月前的旧政策当成最新的，或者干脆自己编一个。用了RAG之后，我们强制模型从最新的官方文档里检索相关段落，再基于这些内容生成答案。效果提升非常明显，事实准…

#美团#混合检索#RAG 技术

面试题·Agent

什么是 AI Agent?和聊天机器人有什么区别?

匹配口述回答：…务案例：自动处理退款流程约2分钟记忆模块会带来推理速度与上下文长度的权衡面试官可能追问记忆模块的具体实现，比如是短期记忆还是长期记忆，或者如何处理记忆超长的问题

#入门#基础概念#Agent

面试题·Prompt· 字节

Agent 能力怎么系统提升?

匹配口述回答：…忆、规划、执行拆开。感知层处理[[多模态]]输入，这个相对标准。关键是记忆层和规划层。记忆不能只靠上下文窗口，得区分短期工作记忆和长期记忆，长期记忆可以用[[向量库]]存episodic信息，[[知识图谱]]存semantic关系。规划层我见过两种做法，简单场景用[[CoT]]一步步推就行，复杂任务得用分层任务网络，把目标拆成子目标，还能动态重规划。举个例子，客服退款场景，用户说“我订单异常要退款”，Agent得先理解意图，再规划调订单查询、退款规则、库存状态多个工具，不是一…

#字节#百度#评估与监控

面试题·Prompt· 百度

AI Agent 架构与框架怎么选?

匹配口述回答：…人工审核节点。比如退款超过一定金额，让Agent生成建议，人工确认后再执行。复杂多步任务，比如数据分析，我会在ReAct基础上叠加长期记忆，让Agent能记住历史分析过程。纯推理任务，直接用CoT就够了，不需要Agent。快速原型验证，可以用AutoGPT简化版，但上线前一定要换成可控的方案。这里有个延伸点，就是Agent的可靠性问题。ReAct虽然可控，但模型还是会犯错，比如误解用户意图或者调用错误的工具。所以我会特别关注错误恢复机制，比如让Agent在观察到异常结果时主…

#百度#Agent#AI Agent 架构

面试题·Prompt· 字节

Agent 系统架构与 Prompt 设计原则

匹配口述回答：…步骤失败，比如订单查不到，规划层要能触发重规划，而不是卡死。记忆机制上，短期记忆就是对话历史，但我会用[[滑动窗口]]控制长度。长期记忆我用[[RAG]]，把历史案例和知识文档[[向量化]]，需要时检索。这里有个前提：知识库要定期更新，并且做质量校验，不然检索到过期信息反而害了Agent。容错方面，我特别关注两点。一是自我反思，每次执行后追加一步检查结果，如果发现错误就回退重来。二是中断恢复，保存执行状态快照，万一超时或崩溃，可以从断点继续，不用从头开始。其实还有一个更…

#字节#Agent#Agent 系统设计

面试题·RAG· 淘天

偏好数据如何收集与建模?

匹配口述回答：…识到的偏好链条。再说建模。我把用户偏好分成三层。第一层是静态画像，比如价格敏感度、品牌偏好，这些相对稳定，存到[[向量库]]里当长期记忆。第二层是动态偏好，就是当前会话里用户意图有没有漂移。举个例子，用户本来问冰箱，聊着聊着开始问洗衣机，这时候我会用 KL散度监控话题转移，及时更新会话状态。第三层是群体先验，新用户冷启动时，拿相似用户簇的偏好做回退，不至于完全盲猜。这三层通过一个注意力融合网络合并，再去做回复生成或商品推荐。训练优化是重头戏。我分三步走。第一步是[[监督…

#淘天#用户偏好建模#偏好感知对话系统

面试题·检索· 高德

向量数据库怎么支撑 Agent 记忆?

匹配追问：…惠券还能用吗’，你怎么从之前几十轮对话里找到那张券的信息？为什么大家现在都用向量数据库而不是直接搜关键词？层层追问 Agent的长期记忆你一般怎么存？……那如果用户说话很口语化，比如‘之前那个红色的’，你怎么匹配到具体物品？……向量数据库能解决吗？具体怎么设计embedding和检索才能保证找得准？直球架构解释一下为什么向量数据库适合做Agent的记忆机制，然后系统说说embedding模型和检索策略怎么设计，包括影响效果的关键因素和优化方法，还有实际提升召回的措施。

#高德#重排与优化#文档处理