匹配口述回答：…操作都能补偿，有些操作比如发送短信无法撤销，就得靠最终一致性加人工兜底。结果对齐是另一个容易翻车的地方。多个Agent对同一任务输出不同答案怎么办？我会做两层：第一层，强制输出Schema，比如JSON格式，这样容易聚合比对；第二层，对关键结果用投票或仲裁，比如三个Agent各自回答，取多数一致，不一致时让一个专门Agent做LLM仲裁。还有个技巧是反思验证，让一个Agent检查另一个的输出，发现矛盾就触发重试。不过这套东西计算成本高，我只在高风险场景用，比如风控合同审核，…

#阿里云#Agent#多 Agent 协作一致性

面试题·Agent· 字节

通信 vs 角色分工怎么选？

匹配口述回答：…干活的小Agent，比如Planner负责拆任务、Coder写代码、Reviewer审查、Tester测试。每个Agent注册时用JSON Schema把自己的能力和输入输出格式说清楚，比如Reviewer声明自己能做Python审计和安全检查，输入是一段代码和语言，输出是是否通过和意见列表。这样Orchestrator就知道谁该干什么。具体流程是这样的。用户提一个请求，比如“帮我写个登录模块”。Orchestrator先用LLM判断意图，如果是简单查询，直接路由给一个Ag…

#字节#Agent#多Agent协同

面试题·Agent· 美团

Agent工具接口与错误处理

…成报告、复杂计算）敏感工具：增加人工确认层（如支付、删除操作）三、错误处理策略（三层防护）层级处理内容示例参数校验层 JSON Schema校验 + 业务规则检查日期格式非法、城市不在服务范围执行异常层超时/重试/降级 API超时→重试2次→返回友好提示结果解析层空结果/格式异常处理搜索无结果时返回结构化空值，非抛异常关键原则：错误信息要回传给LLM，让其决定是否重试、换工具或向用户澄清。四、实际场景：美团酒店预订Agent 场景：用户说"帮我订明…

← 上一页第 5 / 5 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

匹配正文：

#美团#Agent#Agent 工具设计

面试题·Prompt· 字节

RAG Generator 怎么构造 Prompt?

匹配口述回答：…实体、数字和否定条件有没有丢失。多轮对话里只带与当前问题相关的历史，用户身份和权限由服务端注入，不能让模型从聊天文本里自行推断。输出侧我会要求答案和引用建立可校验的对应关系。JSON 可解析只解决语法，字段范围、资源归属和引用是否真的支撑结论仍由程序验证。评测时固定检索结果，单独比较上下文顺序、长度、冲突处理和 Prompt 版本，观察答案正确性、引用支持率、faithfulness、覆盖率、拒答、token 和延迟。再换一组固定 Prompt 比较不同检索结果，才能区分是…

#字节#Prompt工程#RAG Generator Prompt

面试题·Prompt· 美团

Prompt 设计方法论怎么用?

匹配口述回答：这道题问的是prompt设计的方法论，其实本质就是在问：你怎么把一个大模型的能力，精准地约束到你想要的那个任务上。不是简单写一段话就行，而是要根据任务类型、输出要求、安全边界来做结构化设计。我自己的方法论可以概括成四个字：任务驱动。就是先搞清楚这个任务到底是生成、抽取、分类还是推理，然后针对性地搭prompt框架。具体说一下。生成类的任务，比如写摘要、创作文案，重点是控制风格和长度。我一般会先给一个角色设定，比如“你是一个资深电商客服专家”，然后再给一个输出格式模板，比如…

#美团#Prompt工程#Prompt 设计方法论

面试题·项目与经历· 美团

Agent 未来规模化方向

匹配口述回答：…【90秒主答】这个判断带有前提，不能说某个方向必然在两三年内成功。窄域企业流程的优势是已有工单、知识库、ERP 或代码仓库，输入输出和责任人较明确，也能用周转时间、完成率、返工和人工接管率验证价值。完全开放的个人助理横跨身份、支付、隐私和众多第三方系统，失败空间更大。以财务报销为例，模型可以读发票与说明、抽取候选字段、发现缺材料、生成审核摘要并建议路由，但不能因为输出是结构化 JSON 就称为确定性。金额计算、票据唯一性、预算、权限、合规名单和审批状态应来自权威系统与规则引…

#Agent商业化#B端落地#成本效益分析

面试题·Prompt· 小红书

提示工程有哪些核心方法?

匹配口述回答：这道题其实是在问，当你面对一个大模型时，怎么用提示词让它稳定、高效地完成你想要的输出。本质上，这是人和模型之间的沟通问题。我会从几个层次来讲：先是基础技巧，再是推理增强，然后是[[Agent]]模式，最后聊聊怎么选型和落地风险。先说基础技巧。最简单的就是 [[Zero-shot]]，直接给指令，比如“把这段翻译成英文”。它适合特别明确、不需要额外示例的任务，比如格式转换、简单分类。但一旦任务复杂一点，效果就不稳定了。所以更常用的是 [[Few-shot]]，给两三个例子，模…

#小红书#提示工程方法#Prompt 技术

面试题·Prompt· 百度

AI Agent组件如何协同工作?

匹配口述回答：这个问题其实是在问，你要怎么把一个纯语言模型变成一个能自主完成任务的系统。核心就是一个感知-规划-记忆-工具-行动的闭环。先说感知模块。它负责接收外部输入，比如用户问的问题、图片、或者工具返回的结果。它的工作不只是接收，还要把这些原始数据转化成模型能理解的格式，比如把图片转成描述文本，或者把工具返回的 JSON 解析成自然语言。再一个就是规划模块，这是 [[Agent]] 的脑子。它负责把复杂目标拆成可执行的子步骤，比如用户说“帮我订一张去北京的机票”，它要拆成查航班、比…

#百度#Agent#AI Agent 核心组件