匹配正文：答案要点数据收集需覆盖多轮交互与工具调用场景，强调多样性和真实性策略网络设计要解耦推理规划与动作执行，支持ReAct或Toolformer范式奖励机制需组合结果奖励、过程奖励和格式惩罚，解决稀疏奖励问题训练框架选择需权衡PPO的稳定性与DPO的简洁性评估需建立自动指标+人工评估+在线A/B测试的闭环迭代优化强调数据飞轮和失败案例挖掘以工具调用Agent为例，完整训练链路如下： 1. 数据收集种子数据：人工标注的(tool, query, trajectory)…

#美团#Agent#Agent 训练链路

面试题·评估· 美团

Agent 训练 vs RAG 怎么选?

匹配正文：…对话模拟基于真实日志构建用户画像，支持多轮意图漂移评估层实时反馈自动标注+人工抽检，形成数据闭环三、动作空间设计（精简版ReAct）动作类型： ├── thought: 推理过程（可输出用于监督） ├── tool_call: {name, params} // 严格JSON Schema约束 ├── tool_result: 环境返回（只读） ├── response: 面向用户的自然语言 └── terminate: 结束标志 + 成功/失败判定关键设计：工…

#美团#Agent#Agent 训练流程

面试题·评估· 得物

Agent部署关键环节与陷阱

匹配正文：…/TGI/自研）与性能优化工具注册发现机制与Schema约束多轮对话状态持久化与Token预算管理任务调度策略（串行/并行/ReAct循环）全链路可观测性（延迟/成功率/成本）降级熔断与重试策略设计 1. 模型服务化层推理引擎：推荐vLLM（PagedAttention+Continuous Batching）或自研，首Token延迟<200ms，吞吐>1000 token/s 部署形态：多副本+负载均衡，GPU与CPU分离部署（工具执行放CPU节点）关键优化：…

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

#得物#Agent#Agent 系统部署

面试题·评估· 高德

Agent 多工具如何评分选路?

匹配正文：核心设计思路工具选择本质是多目标优化问题，需在准确性、延迟、成本、成功率间权衡。我按三层架构来设计：一、工具表征层：建立统一描述每个工具注册时标注元信息：能力边界：输入输出Schema、支持的任务类型性能画像：历史成功率、平均延迟、调用成本质量评分：人工标注或离线评测的准确率 # 工具描述示例 tool_profile = { "name": "weather_api_v2", "capabilities": ["current_weather", "foreca…

#高德#评估与监控#Agent

面试题·评估· 蚂蚁

Agent 系统哪些模块最易出问题?

匹配正文：…和跨用户数据污染。模型与基础设施：模型路由异常、限流、队列堆积、首 token 延迟和成本突增。故障频率与严重程度取决于业务和架构，不能预设某一层永远“最高频”或“最致命”。二、分层监控层级建议指标基础设施请求率、错误率、排队时间、TTFT、总延迟、资源利用率模型调用模型版本、输入输出 token、重试、限流、结构化输出失败率、成本 Agent 运行时迭代数、状态迁移、工具成功率、超时、停止原因、人工确认率业务效果任务完成率、错误副作用、用户纠错率、满…

#蚂蚁#Agent#AI Agent 稳定性

面试题·评估· 淘天

RAG 怎么减少幻觉?

匹配正文：RAG的核心架构 RAG = 检索模块 + 生成模块的协同：检索：将查询向量化，从外部知识库召回Top-K相关文档增强：将检索结果与原始查询拼接，构建增强上下文生成：LLM基于增强上下文生成回答，实现"开卷考试" 三大核心价值的实现机制 1. 减少幻觉（Hallucination Reduction）问题根源 RAG解法参数化知识边界模糊，模型"自信编造" 检索提供显式证据，约束生成空间训练数据截止，知识过时接入实时/私有知识库，动态更新关键：生成时能看到"参…

#淘天#事实准确性#RAG 减少幻觉

面试题·评估· 快手

Chain/Agent/Tool 怎么分工?

匹配正文：…个工具 3. Agent（智能体）运行时的决策引擎，核心循环：Thought → Action → Observation 实现ReAct模式：模型生成推理轨迹（Thought），决定调用工具（Action），观察结果（Observation），循环直至完成任务与Chain的区别：Chain是静态管道，Agent是动态决策模块化设计价值层面具体体现模型无关统一接口支持OpenAI、Anthropic、本地模型等组件可插拔换模型、换向量库、换工具只需改配置记…

#快手#评估与监控#Agent

面试题·评估· 阿里

主流Agent框架优缺点与场景怎么选?

匹配正文：…专注知识检索与上下文注入 LangChain 详解核心抽象 Chain：将LLM调用、工具执行、数据转换串联成管道 Agent：ReAct循环，由LLM动态决策工具调用序列 Memory：对话历史的显式管理（Buffer/Window/Summary等）适用场景多步骤复杂工作流（如：先搜索→再分析→最后生成报告）需要灵活工具调用的对话Agent 快速原型验证优缺点 ✅ 生态丰富，集成200+工具/数据源 ✅ 概念统一，学习曲线相对平缓 ❌ 过度抽象，调试困难（"黑盒…

#阿里云#评估与监控#Agent

面试题·评估· 快手

LangChain 链式调用原理

匹配正文：…r、Text Splitter Chains 固定流程编排 LLMChain、RetrievalQA Agents 动态决策执行 ReAct、Plan-and-Execute Memory 状态管理 ConversationBufferMemory Callbacks 可观测性日志、追踪、监控 2. 链式调用的关键：Runnable协议所有组件实现统一的Runnable接口，支持三种核心操作： invoke()：单输入单输出 batch()：批量并行 stream()：流…

#快手#评估与监控#Agent

面试题·评估· 快手

LangChain 关键组件与流程?

匹配追问：…具组合起来？……如果任务步骤不固定，比如用户问“北京到上海的高铁明天几点有”，模型需要先查时间再查余票，你怎么设计这个流程？直球架构直接讲LangChain的核心设计原理，包括它的关键组件Chain、Agent、Tool、Memory、Retriever，以及它们是怎么组合工作的。重点说Agent的ReAct工作流程，从思考到行动再到观察的循环。

#快手#评估与监控#Agent

面试题·评估· 阿里

Agent 工具调用用 Workflow 吗？

匹配口述回答：…话定位：不是二选一，是分层设计边界划分：Workflow适合确定性场景，Agent适合开放性场景真实业务：售后工单处理中的混合架构落地风险：逃生舱设计和渐进式引入工程师姿态：我倾向混合架构，Workflow兜底+LLM动态规划约4分钟 Workflow和Agent的切换时机：设一个不确定性阈值，置信度低于0.6时自动降级到动态Agent。面试官可能会追问，这个阈值怎么定？或者ReAct循环在混合架构中具体怎么嵌入？

#阿里云#评估与监控#Agent

面试题·评估· 小红书

RAG 有哪些主要缺陷?

匹配正文：…ing、流式生成、推测解码 6. 复杂推理场景失效多跳问答、对比分析、数值计算等需要综合多源信息时表现差改进：引入Agent（ReAct迭代检索）、知识图谱增强、专用工具调用四、小红书场景的特殊考量社区内容RAG还需解决：UGC质量参差（需内容过滤）、实时性要求高（新笔记秒级索引）、多模态内容（图文联合检索）。

#小红书#RAG 局限性#RAG 缺陷

面试题·评估· 滴滴

Agent 技术实际有效性怎么评?

匹配正文：…分析技术瓶颈（幻觉、规划失败、成本）给出实际落地建议一、Agent技术有效性：理性看待当前真实状态 Demo惊艳，落地困难：ReAct、Function Calling等模式在可控场景有效，但复杂任务成功率仍低（公开评测约30-60%）核心瓶颈：LLM的规划稳定性不足，幻觉导致工具参数错误，长程任务易偏离目标有效场景：单步工具调用、有明确SOP的流程、人机协同模式与宣传的差距 AutoGPT早期"全自动完成任意任务"的愿景已被证伪当前共识：Agent = LLM…

#滴滴#Agent#Agent 技术评估

面试题·评估· 蚂蚁

Agent 项目踩坑与恢复

匹配口述回答：…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· 淘天

LangGraph 适用边界与替代

匹配正文：…主要适用场景： 1. 需要循环/条件分支的复杂工作流传统DAG（如Airflow）只能线性执行，LangGraph支持循环边实现ReAct式的"思考-行动-观察"循环例：代码生成Agent需多次"写代码→运行→报错→修复"迭代，用LangGraph的add_conditional_edges优雅实现 2. 多Agent协作系统每个Agent作为图节点，通过边定义协作拓扑（星型、流水线、层级等）优势：状态（State）在各节点间显式流转，避免黑盒调用；支持人机介入（Hu…

#淘天#评估与监控#LangGraph 适用边界与替代

面试题·评估· 安克科技

Agent/RAG 评估指标与挑战

匹配正文：…分 4. Agent特有维度任务成功率：是否完成预定目标工具调用准确率：Function Calling是否正确步骤合理性：ReAct轨迹是否高效、无冗余二、实际挑战挑战说明标注成本高领域知识需要专家标注，难以规模化指标与体验脱节 BLEU高不代表用户满意，需结合人工反馈延迟-质量权衡检索更多文档提升Recall但增加延迟动态知识更新评估集容易过时，需持续维护实践建议：离线用RAGAS快速迭代，在线埋点收集用户反馈（点赞/点踩），建立数据飞轮。

#安克科技#评估与监控#Agent

面试题·模型微调· 同花顺

Agent 规划能力怎么训练?

匹配正文：…用GPT-4/Claude生成带推理过程的解决方案环境交互数据模拟器/真实API 包含错误恢复和修正的真实轨迹数据格式：采用ReAct或类似结构，强制模型输出Thought → Action → Observation的显式推理链 2. RL阶段：优化规划策略结果奖励（Outcome Reward）：任务最终是否成功，适合PPO训练过程奖励（Process Reward）：每步规划的合理性，需训练PRM（Process Reward Model） DPO直接偏好优化…

#同花顺#Agent#Agent 规划能力

面试题·模型微调· 滴滴

大模型落地技术范式怎么选?

匹配正文：…G（政策文档频繁更新+需准确引用）异常处理工单：Agent（需调用订单系统+地图服务+规则引擎）关键认知工业落地的核心是分层架构：基座模型+轻量适配层。多数场景组合使用，如"RAG+微调"（检索增强的微调模型）或"Agent+RAG"（工具链中包含知识检索）。避免过度工程，能用提示工程解决的不用Agent。学习建议建议从基础概念入手，结合真实案例理解各范式的应用场景，多阅读论文与开源项目，强化对RAG和Agent架构的实践认知。

#滴滴#模型微调#Agent

面试题·模型微调· 字节

动态Prompt训练数据怎么构建?

匹配正文：…失、用户意图漂移等异常分支合成+真实混合：用强模型（GPT-4/Claude）基于规则模板生成基础轨迹，人工精修关键决策点例：ReAct场景下，每条样本需包含 (Thought, Action, Observation) 的完整链条，而非仅最终答案二、标签定义：明确优化目标粒度适用场景标注内容粗粒度端到端微调最终输出是否满足用户意图细粒度过程监督每步Thought是否合理、Action是否正确调用对比级 RL/DPO训练同一状态下，优/劣响应的偏好…

#字节#动态Prompt训练数据#Prompt微调数据构建

面试题·多模态· 字节

Agent 优势与局限怎么分析?

匹配正文：…完成复杂多步骤任务 2. 关键能力拆解能力说明任务分解将复杂目标拆解为可执行的子步骤动态规划根据中间结果调整执行路径（ReAct模式）工具编排灵活组合多源工具，而非固定pipeline 多轮决策具备状态记忆，支持长程交互主要局限性可靠性瓶颈规划错误会级联放大，单步失误导致全流程失败工具调用参数易出错（JSON格式、参数边界）工程痛点延迟：多次LLM调用+工具执行，RT难以控制在秒级成本：Token消耗随步骤指数增长，商业化承压安全：Agent…

#字节#Agent#Agent 优势与局限

面试题·Prompt· 脉脉

Prompt 怎么系统设计与优化?

匹配正文：….7，回复'信息不足'"） Agent：工具描述标准化（name/description/parameters/returns），ReAct循环中嵌入自我纠错指令学习建议建议从基础提示技巧入手，学习Few-shot、角色设定等方法，结合真实场景反复实验，积累优化经验。

#脉脉#评估与监控#Agent

面试题·Prompt· 字节

RAG生成阶段Prompt整合策略

匹配口述回答：…是文档和问题的相关性，二是模型输出的可控性。我不会一上来就堆策略，而是先想清楚这个Prompt到底该怎么组织。我一般会用一个四层架构来设计。先讲第一层，上下文预处理。这块不能把检索结果直接往里塞，得先做筛选、排序和去重。比如相关性分数低于阈值的直接扔掉，保留Top-K，通常是3到5篇。排序上我会综合[[BM25]]分数、向量相似度还有时效性来加权。去重这块有个坑，就是语义重复，比如两篇文档用不同措辞说同一件事，得用[[Embedding]]聚类做语义去重，否则模型容易被重复…

#字节#Prompt工程#RAG Prompt 设计

面试题·Prompt· 阿里

Agent Prompt优化评估指标

匹配正文：…、工具集使用相同测试集（建议分层抽样覆盖不同难度）样本量需满足统计显著性（通常n≥100 per组）分层评估单步验证：隔离ReAct的Thought/Action/Observation各环节链路验证：端到端真实任务流对抗测试：构造易混淆、易循环的边界case 常见陷阱避免在训练集上评测导致过拟合警惕"指标提升但实际体验下降"的虚假优化多轮交互需评估状态漂移累积效应学习建议建议系统学习该知识点

#阿里云#Prompt工程#评估与监控

面试题·Prompt· 华为

思维链(CoT)什么时候用?

匹配正文：…过程的示例，引导格式 Self-consistency：采样多条CoT路径，投票选最优答案实际落地时，Agent场景常将CoT与ReAct结合，让模型输出Thought: → Action: → Observation:的结构化推理链。学习建议建议系统学习该知识点

#华为#思维链 CoT#Chain-of-Thought 使用场景