匹配口述回答：…，先意图协商，让两个agent重新算价；如果协商失败，就触发仲裁，按预设的优先级规则，比如促销价优先但需人工复核。容错上，把出错的agent隔离，流量切到备用agent，同时功能降级，暂时关闭自动调价，保证基础下单可用。说到这，有个延伸点：如果agent的决策不是简单的数值，而是复杂的长文本推理，比如法律合同条款冲突，那检测和仲裁会更依赖语义理解，这时候可能得引入[[ReAct]]或者[[Self-RAG]]让agent自己反思修正。所以整体上，我会把多agent冲突管理…

#字节#评估与监控#Agent

面试题·评估· 淘天

RAG 怎么减少幻觉?

匹配口述回答：…考虑[[Agentic RAG]]，让模型自主决定检索步骤，或者用[[ReAct]]框架把推理和检索交替进行。所以整体上，我会把RAG看成一种低成本、可迭代的知识注入方式，适合知识频繁更新或需要高可信度的场景。但它的天花板在于检索质量，如果知识库本身混乱或检索策略粗糙，效果反而比纯模型更差。我更倾向先用混合检索加Rerank打好基础，再根据业务需求决定是否引入[[Agent]]或微调。一句话定位：RAG本质是给LLM开卷考减少幻觉：显式证据约束生成事实准确：可追溯+多…

#淘天#事实准确性#RAG 减少幻觉

面试题·评估· 字节

专业领域 RAG 链路怎么搭?

匹配口述回答：…精排重排生成优化：强制引用加约束解码评估与取舍：宁缺毋滥，人工兜底约4分钟如果用户问的是多跳推理问题，简单的 Naive RAG 不够，需要考虑 Agentic RAG 或 Self-RAG，但延迟和稳定性是风险。面试官可能会追问多跳推理的具体实现方式、如何控制 Agent 的搜索次数、或者 Self-RAG 的训练细节。

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#RAG 全链路#RAG 技术链路

面试题·评估· 百度

Single-Agent vs Multi-Agent 怎么选?

匹配口述回答：…样既发挥团队优势，又保持单体可控。真正上线我会特别关注通信延迟和冲突解决，如果消息队列扛不住，或者投票机制设计得不好，系统可能比单智能体还慢。有个延伸点值得讨论：多智能体协作的 [[幻觉]]传播问题。如果一个智能体产生了 Hallucination，错误信息会像谣言一样在团队里扩散，而且越传越真。这个问题在面试里经常被问到，我自己倾向于引入一个独立的验证智能体，或者用 [[Self-RAG]] 让每个智能体先自我校验再输出。总结一下，单智能体简单可控，但能力有天花板；多…

#百度#评估与监控#Agent

面试题·评估· 快手

Chain/Agent/Tool 怎么分工?

匹配口述回答：…maIndex这样更聚焦的工具。还有一个点是，LangChain的Agent依赖模型本身的推理能力，如果模型不够强，比如小模型，Agent的ReAct循环容易跑偏，这时候我会考虑用更结构化的[[Function Calling]]来约束，或者干脆退化成Chain。所以整体上，我会把LangChain看成是快速验证想法的好帮手，但真要上线，得想清楚复杂度是否值得。如果面试官感兴趣，我可以再聊聊它跟LlamaIndex在[[检索增强生成]]场景下的具体对比。一句话定位：编排…

#快手#评估与监控#Agent

面试题·评估· 蚂蚁

Agent项目挑战与解决方案怎么讲?

匹配口述回答：【真实性边界】如果我有真实 Agent 项目，就只讲可核验部分；如果没有，我会明确说没有，再给出一个假设设计，不把固定客服故事和结果背成个人经历。【回答框架】真实项目的用户与流程是【】，原有基线是【】，具体失败是【】，成功指标及口径为【】。我的职责是【本人模块】，依赖【团队或平台能力】。之所以采用【Agent/工作流/规则组合】，是因为【真实任务不确定性与约束】，而不是为了堆框架。【事实填空】一次真实挑战是【工具参数错误/长链路超时/状态丢失/成本失控中的实际问题】。我通…

#蚂蚁#评估与监控#Agent 项目经验

面试题·评估· 蚂蚁

Agent 项目踩坑与恢复

匹配口述回答：…司、数字、职责或因果关系都删除；如果面试官追问到本人没有负责的部分，明确说明团队分工，再讲自己能够验证的接口与依赖。一句话定位：Agent落地什么场景该上、什么场景不该上项目背景：售后客服，意图交织+多系统技术方案：架构分层，ReAct+工具调用核心挑战：幻觉、超时、评估边界划分与反思：规则与LLM混合，多Agent取舍约4分钟工具描述让大模型自己生成比人写更稳定，背后涉及Self-RAG思想追问Self-RAG的具体实现和对比实验细节

#蚂蚁#评估与监控#Agent 项目踩坑与恢复

面试题·评估· 美团

Agent 哪个方向最易落地?

匹配口述回答：…正的Agent化，从需求理解到代码生成、测试、部署端到端完成，还有两个关键瓶颈。一个是多文件理解，一个复杂功能往往要改好几个文件，Agent能不能理清依赖关系；另一个是安全执行环境，自动生成的代码能不能直接跑，会不会引入安全漏洞。所以我会把当前阶段看成「补全增强」，而不是真正的Agent。这里其实有个很有意思的延伸：如果编程助手真的走到端到端，那它的评估方式也要变，不能只看生成代码的通过率，而要引入类似[[Self-RAG]]的自反思机制，让Agent自己检查自己的输出。这…

#美团#评估与监控#Agent 商业落地

面试题·评估· 美团

Agent三大能力评估陷阱

匹配口述回答：…致流程中断。最后是search。这个能力解决了大模型的一个根本问题：知识是静态的，有截止日期，而且会[[幻觉]]。search让Agent能主动获取实时、准确的外部知识。比如一个金融Agent要生成研报，它必须去查最新的股价、新闻、财报，而不是靠模型背出来的数据。再比如企业内部的知识库问答，Agent需要从海量文档里检索出相关段落，然后才能回答。实际应用中，search往往和[[RAG]]结合，但有个常见失败场景：检索到的信息质量不高，或者被噪声干扰，导致Agent答非所问…

#美团#Agent#Agent 能力评估

面试题·多模态· 淘天

截图组件功能怎么用 RAG 解释?

匹配口述回答：…，检索结果的置信度也很关键，我通常会设一个阈值，分太低的就不用了，直接让模型说“不确定”，避免胡编。所以整体上，我更倾向于把[[RAG]]当成一个可解释、可更新的外挂，而不是把所有理解能力都压在大模型本身。纯多模态模型虽然也能看图，但解释的来源是黑盒，出了问题没法排查；RAG至少能溯源到具体文档，内部术语和业务逻辑也能通过知识库灵活注入，不用每次改个文案就重新微调模型。当然，如果界面非常复杂、组件间交互很多，RAG也扛不住，那就得结合[[Agent]]或者多步推理了。一句…

#淘天#多模态#多模态 RAG

面试题·Prompt· 阿里

Agent Prompt优化评估指标

匹配口述回答：…，我更倾向把Prompt优化看成一种低成本、高频迭代的手段，但它的上限受限于模型能力。如果遇到效果瓶颈，我会考虑结合[[Self-RAG]]或者[[Chain-of-Verification]]这类框架，让Agent自己学会反思，而不是死磕Prompt。本质是量化Prompt对Agent决策的影响定量指标：任务成功率为主，资源稳定性为辅定性指标：可解释性和鲁棒性，避免指标欺骗实验设计：分层评估+边界测试，控制变量落地风险：指标提升不等于体验提升，警惕过拟合约4分钟…

#阿里云#Prompt工程#评估与监控

面试题·Prompt· 阿里

Agent推理链路Prompt优化评估指标

匹配口述回答：…耗的权重就要提高，甚至可能为了快牺牲一点点成功率。反过来，如果是离线批量处理，成功率就是第一位的。不过这里有一个更微妙的问题：当Agent的推理链路特别长的时候，比如需要连续调用五六个工具，这时候Prompt优化可能遇到瓶颈，你修好了第一个节点的错误，但下一个节点又坏了，这就是所谓的局部优化和全局效果的矛盾。我自己的经验是，这时候可能要考虑用[[Self-RAG]]或者[[Reflexion]]让Agent自己反思纠错，而不是死磕Prompt。所以整体上，我的取舍是：优先…

#阿里云#Prompt工程#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：…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动反思，或者预设一个回退策略。这个方向其实可以跟[[Self-RAG]]或[[R…

#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：…关工具占满，LLM决策质量下降。所以我上线前会做工具按需加载，根据当前任务只加载可能用到的工具。举个例子，在客服退款场景里，[[Agent]]需要查订单、查退款规则、执行退款。规划层会先分解：先查订单状态，再匹配退款政策，然后判断是自动退还是转人工。执行层分别调订单系统、规则引擎。如果中间某个步骤失败，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…

#字节#Agent#Agent 系统设计

面试题·Prompt· 字节

Agent任务规划:分解与ReAct机制

匹配口述回答：…。这个机制能回答面试官常追问的两件事：Agent 为什么没有无限循环，以及服务重启或外部系统超时后如何保持前后一致。一句话定位：Agent 任务规划本质是让 LLM 从思考到行动的闭环任务分解：CoT、ToT、ReAct 的边界，实际是混合使用目标设定与执行监控：层次化拆解加观察-思考-行动-验证闭环落地风险：工具失败、幻觉、长上下文，以及我的取舍约4分钟工具调用失败或超时时的重试与回退策略，以及如何用 Self-RAG 防止 LLM 编造工具返回结果面试官可能…

#字节#Agent#Agent 任务规划

面试题·Prompt· 字节

AI Agent 核心特点与局限

匹配口述回答：…志、查指标、查变更记录，每一步调用对应工具，最后综合判断根因。这听着很美好，但落地前提是工具接口稳定、权限严格控制。常见失败场景是Agent查日志时返回数据太大，模型上下文窗口撑爆，或者幻觉导致误判，把正常变更当成故障原因。上线我会特别关注错误累积，给每个中间结果加置信度阈值，分太低的不往下走，或者让人工介入确认。说到可靠性，我觉得现在最关键的瓶颈是从80%可用到99.9%可信。比如能不能让Agent自己验证自己的推理，像[[Self-RAG]]或[[Chain-of-Ve…

#字节#评估与监控#Agent

面试题·RAG· 淘天

RAG 核心架构与工作流程

匹配口述回答：…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，比如需要跨文档关联信息的问题，RAG很容易断链。我最近在看[[Self-RAG]]，让模型自己判断是否需要检索、检索什么，然后反思生成结果，这样能缓解这个问题，但还远没完美。所以整体上，我会把RAG看作一个基础能力，不是银弹。它解决的是知识来源问题，但推理能力、上下文管理这些仍然需要模型本身的改进和工程上的精细调优。我更倾向根据业务场景，把RAG和微调、[[Agent]]这些…

#淘天#阿里#RAG 架构

面试题·检索· 淘天

Naive RAG vs Advanced RAG 区别?

匹配口述回答：RAG 的分类更适合作为复杂度坐标，而不是三套互斥产品。Naive RAG 的链路很短：把 query 编码，向量检索 Top-K，再把候选拼给模型。它便于建立基线，也容易排查，但遇到精确实体、短 query、冲突文档、权限过滤或多步问题时，单路向量召回往往不够。 Advanced RAG 是在明确 bad case 上增加处理。检索前可以做改写、扩展、分解或路由；检索中加入 BM25 与向量混合、元数据过滤和重排；生成前再做去重、压缩、冲突处理和引用组织。这里没有哪个模块默…

#淘天#重排与优化#Naive RAG

面试题·检索· 字节

RAG 系统实现：组件与流程

匹配口述回答：…标准query跑一遍，看Recall@K有没有达标。如果召回率低，我会先调切分策略或者换Embedding模型。所以我的判断是，RAG不是万能的，它最适合知识库相对静态、答案有明确来源的场景，比如客服、合规、产品文档。如果知识库频繁变动，或者问题需要多步推理，那可能要上 [[Agent]] 或者 [[ReAct]] 方案。我更倾向把RAG当成一个基础模块，和微调、Agent组合使用，而不是孤立地看。一句话定位RAG本质索引阶段：切分与向量化查询阶段：检索与生成优化手…

#字节#RAG系统实现#RAG 实现

面试题·检索· 美团

RAG 检索器与生成器如何协同？

匹配口述回答：…题：知识库如果一天一更新，用户问“今天有什么优惠”，模型还是拿昨天的政策回答。所以对于高频变化的数据，比如库存、价格，我会用 [[Agent]] 配合 [[Function Calling]] 实时查数据库，而不是走静态索引。还要看查询改写成本：用户 query 经常很短或者有歧义，比如“怎么退”，需要先让模型扩写成“退货流程是什么”，但这会多一次 LLM 调用，延迟和成本都要考虑。其实 [[Naive RAG]] 和 Advanced [[RAG]] 的核心区别不在于索引…

#美团#RAG架构#RAG 系统架构

学习路线·学习路线

大模型应用开发学习路线

匹配正文：这条路线写给已经会编程，想做大模型应用开发、RAG 或 Agent 工程的人。它不要求你先把所有知识学完。不同背景的学习节奏差别很大，所以这里不按月份排任务，只看五个能检查的结果：我准备投什么岗位？我能不能把一条最小的模型应用链路跑通？我要把 RAG、Agent 还是 Deep Research 做成主项目？我有没有评测、失败案例和技术取舍证明这是自己做的？我能不能脱离稿子说清项目，并接住后续追问？学习路线不是一张课程表。每一步都有完成标准：留下能运行的代码、评测…

#学习路线#RAG#Agent

系统教程·评估

大模型评估与监控面试题大全

匹配正文：…造评测集、怎么区分检索问题和生成问题、线上怎么监控成本与质量。这一页把评估与监控题目、项目章节和面试准备路径放在一起。配套教程 RAG 教程第 10 章：从感觉好用到可量化评估 Deep Research 第 8 章：Agent 评估与上线监控知识模块评估指标、评测集与线上监控评估指标、评测集与线上监控常见问题大模型评估面试最容易被追问什么？最常见的是评测集怎么来、指标为什么这样选、badcase 怎么归因，以及线上质量下降时怎么定位。只说准确率不够，必须能把检…

#专题学习#大模型评估与监控面试题大全

系统教程·大模型

大模型项目与公开作品

匹配正文：…对。想快速判断题目讲解是否准确，可以先看与你方向最接近的模块，再回到官网阅读完整答案和连续追问。查看 GitHub 公开资料 RAG、Deep Research 与 Agent 项目面试题 75 道围绕工程问题展开的项目题，从 30 秒回答继续拆到技术选型、评测、失败处理和面试官追问。每道题都有完整正文，并围绕 30 秒主线、工程拆解、代码或配图与连续追问展开。正在准备大模型应用开发面试，可以先从与你简历项目最接近的一题开始，再顺着追问检查缺口。查看项目面试题 De…

#公开作品#代码仓库

项目实战·Agent

第 1 章:为什么需要 Deep Research

匹配正文：📊 学习时长:60-75 分钟 🎯 完成后能力:能讲清 Deep Research 和普通 RAG / Agentic RAG 的本质区别,判断一个问题该不该上 Deep Research,并用可运行代码搭出一个会「自己多步搜索、边想边查」的研究型 Agent 雏形 🔗 关联面试题:5 道(覆盖 5 个角度,见 Part 3) 这一章你会学到什么 ✓ 零基础也能跟着做:用几十行代码跑通一个会「边想边查」的研究型 Agent,并一步步给它加上工具、思维链、失败重试 ✓ 彻…

#Agent#Deep Research#项目实战