匹配正文：…\cdot \Delta t}，近期行为权重指数级提升重要性采样：基于点击/停留时长计算行为得分，Top-K检索任务感知选择：Agent规划时，用当前query检索相关历史（类似RAG）工程实现：维护双记忆结构热记忆：最近1-2天行为，全量放入prompt 冷记忆：历史行为向量化存入HNSW索引，按需检索Top-10 三、上下文管理优化 KV Cache复用：对固定历史前缀预计算并缓存，避免重复编码稀疏注意力：Longformer/BigBird模式，降低O(n^2…

#小红书#Agent#长序列行为数据

面试题·Agent· 商汤科技

ReAct 与 CoT 怎么选？

匹配口述回答：…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，ReAct灵活但重、Plan-and-Solve轻但死板、Reflex…

#商汤科技#Agent#AI Agent 行为模式

面试题·Agent· 字节

通信 vs 角色分工怎么选？

匹配口述回答：…位。但落地也有前提。关键是Orchestrator的调度能力要强，如果它意图判断错了，整个流程就偏了。常见失败场景是任务拆得太碎，Agent间通信开销反而比直接一个Agent干还大。所以上线我会特别关注超时熔断，单Agent超时自动降级到备用策略；还有冲突仲裁，比如Reviewer和Tester结论不一致，就引入一个Judge Agent投票，或者转人工。另外，这种层级结构其实有个隐含风险，Orchestrator成了单点瓶颈。如果它挂了，整个系统就瘫了。所以我会考虑用多个…

← 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

#字节#Agent#多Agent协同

面试题·Agent· 字节

大量工具怎么选?

匹配追问：…考勤、查会议室等等。用户问一句“帮我安排下周二的会议”，助手得从这么多工具里挑出正确的。你会怎么设计这个选工具的过程？层层追问 AI Agent调用外部工具，工具数量一多，你觉得主要挑战在哪？……嗯，那选择困难怎么解决？如果工具描述都很长，塞不进上下文怎么办？……还有延迟问题，怎么优化？直球架构当Agent可调用的工具上千时，工具选择、调度和延迟都会成为瓶颈。请从架构层面给出设计方案，包括如何组织工具、如何检索、如何优化响应速度。

#字节#百度#Agent

面试题·模型微调· 美团

RAG 深度与局限怎么破?

匹配正文：…制、多跳推理弱）提出至少3个具体优化方向（如混合检索、重排序、查询改写）结合实际场景说明优化方案的可行性体现对RAG与微调、Agent等技术边界的理解 RAG的核心价值与深度优势层面知识动态化：无需重训模型即可更新知识，解决大模型"幻觉"和时效性问题可溯源性：检索片段作为引用，提升生成可信度，满足合规审计需求成本可控：相比全量SFT，RAG的边际成本极低，适合频繁变更的业务知识技术深度体现不仅是"向量检索+Prompt拼接"，而是涉及查询理解→多路召回→精排…

#美团#RAG 局限性#RAG 优化方向

面试题·Prompt· 高德

CoT vs ToT vs GoT 怎么选?

匹配追问：场景切入假设我们要做一个电商客服Agent，用户问“我想退货，但找不到订单了”，Agent需要先查订单、再校验资格、最后生成退货流程。这种多步任务，你会怎么设计它的推理过程？层层追问现在大模型做复杂任务，你觉得最关键的瓶颈是什么？……那怎么让模型一步步推理呢？……如果一步推理不够，需要探索多条路径呢？……再进一步，如果有些步骤可以合并或循环优化，又该怎么做？直球架构请系统介绍提升大模型规划能力的方法，比如CoT、ToT、GoT，重点讲原理、适用场景、优缺点，以及实际…

#高德#CoT ToT GoT 对比#大模型规划能力

面试题·Prompt· 阿里

Prompt优化评估指标有哪些？

匹配口述回答：这道题其实问的是，Prompt 优化在 [[Agent]] 系统里到底有没有用，怎么量化。本质上是个分层归因问题，链路太长，不能只看最终结果，得拆开看。先说自动指标，我一般分三类。第一类是规则-based，比如正则匹配检查 JSON 合法性、工具调用格式对不对。这适合结构化输出验证，像 [[Function Calling]] 的参数格式，跑一下就准。第二类是模型-based，拿一个强模型当裁判，比如 GPT-4 给回答打分，或者用 NLI 看是否蕴含。这适合语义正确性，…

#阿里云#Prompt工程#评估与监控

面试题·检索· 百度

RAG 工作流程与关键技术组件

匹配正文：…略平衡粒度与语义递归切分、语义切分、Agentic切分三、核心挑战检索精度：语义鸿沟导致召不准，需多路召回+重排序上下文瓶颈：长文档超出窗口，需摘要压缩或层级索引知识时效性：静态索引难更新，需增量索引+版本管理幻觉与归因：模型不看检索内容瞎编，需强制引用溯源多跳推理：复杂问题需多次检索，引入ReAct/ToT等Agent架构实际落地中，检索质量决定RAG上限，建议先做检索评测（Recall@K、MRR）再优化生成。

#百度#RAG技术架构#RAG 工作流程

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·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·RAG· 淘天

RAG 核心架构与工作流程

匹配口述回答：…问'对比A和B产品的差异'，但检索分别返回A和B的独立介绍，没有对比文档，模型很难自己归纳差异，这是RAG在综合推理类问题上的天然瓶颈。我上线时会特别关注检索的召回率和精确率，用[[混合检索]]，比如[[BM25]]加向量搜索，来提高覆盖率，再配合查询重写、重排来优化。另外，多文档可能超出上下文窗口，这时需要做摘要压缩或分层检索。还有一个坑是模型过度依赖检索内容，或者干脆忽略它，我一般会在训练时加入'无相关信息'的样本，或者调整prompt里检索文档的权重。说到多跳推理，比…

#淘天#阿里#RAG 架构

面试题·RAG· 阿里

LangChain vs LlamaIndex 架构差异？

匹配口述回答：…特别关注两点：一是检索结果的质量，LlamaIndex那边要调好[[Chunk]]大小和重排策略，确保召回的是真正相关的内容；二是Agent的指令约束，要明确告诉Agent“只基于检索结果回答，不要自己发挥”，必要时用[[Self-RAG]]让模型自己学会反思。还有一个值得注意的点：当数据量超过百万级时，LlamaIndex的索引构建和更新会成为瓶颈，这时候要考虑分层索引或增量更新，否则检索延迟会飙升。所以我的判断是，我更倾向数据驱动的思路。因为LLM应用的核心瓶颈往往不…

#阿里云#LangChain与LlamaIndex#LangChain vs LlamaIndex

面试题·RAG· 阿里

LangChain vs LlamaIndex 场景怎么选？

匹配口述回答：…Chain再调库存API获取实时数据，最后合成答案。这种组合是目前最成熟的模式。当然，边界也在模糊，LlamaIndex现在也有Agent模块，LangChain也在加强检索，但原生优势还是分明的。不过有一点很多人忽略，就是当数据量超过百万级时，LlamaIndex的默认索引策略可能会遇到性能瓶颈，这时候就得考虑分库、缓存或者用更轻量的[[Faiss]]。这个其实涉及到索引规模和实时性的取舍，如果面试官感兴趣可以深入聊。所以我的判断是：如果核心是“怎么调用和编排”，优先…

#阿里云#AI框架选型#LangChain vs LlamaIndex