匹配口述回答：…冲突。所以稳定性风险最高的，我首推规划模块。规划模块说白了就是让模型自己决定下一步该干什么。但现实里经常出现两种极端：一种是[[幻觉]]规划，模型虚构一个不存在的工具或者凭空编出执行步骤；另一种是无限循环，典型的场景是“查一下，没结果，换个说法再查”，就这么死循环下去。我之前处理过一个客服退款场景，Agent要查退款状态，第一次说“查询退款单”，没查到，它不报错，反而觉得是查询词不对，换成“查询退款申请”，又没查到，再换“查询售后单”，结果越查越偏，最后直接跑飞了。这背后的…

#蚂蚁#Agent#Agent 稳定性

面试题·Agent· 高德

多 Agent 协作复杂度

匹配口述回答：…每个Agent局部最优可能偏离全局目标，比如验证Agent太严格，把所有结果都毙了，导致任务永远完不成。 LLM特有的挑战更头疼。幻觉传播，一个Agent产生了幻觉，通过通信污染其他Agent，错误会像滚雪球一样放大。还有成本，多轮交互的token消耗是指数级增长，上线前必须设计early exit或者缓存策略，不然账单会吓死人。这里其实有个值得深挖的点：多Agent的幻觉传播问题，本质上和人类团队里谣言扩散很像。我最近在看一些用[[Self-RAG]]或者[[Chain-…

#高德#Agent#多 Agent 协作复杂度

面试题·Agent· 小红书

长历史行为怎么处理?

匹配口述回答：…prompt 里，近期是完整对话，中期是几行摘要，远期是检索到的几条相关事件，长度可控，信息也不丢。这里有个落地风险得特别注意。检索增强的前提是用户行为里有可检索的关键事件，如果用户全是碎片化闲聊，没有明确的偏好或决策点，那向量化入库就是白费功夫，检索出来的也是噪音。常见失败场景就是，摘要模型质量不够，把关键信息漏了，或者检索召回率低，模型看不到重要历史，反而产生[[幻觉]]。上线前我会特别关注，用离线评估集测一下，在关键事件上的 Recall 和摘要的 [[Faithfu…

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

#小红书#Agent#长历史行为处理

面试题·Agent· 百度

Agent 核心机制怎么工作?

匹配口述回答：…query": "..."}}，系统执行这个函数，把结果回填给模型，模型再继续推理。这个流程看似简单，但落地时有个坑：模型可能[[幻觉]]出不存在函数，或者参数格式错。所以上线前我会特别关注两件事，一是函数定义要写得极其清晰，description要写透，二是做一轮严格的格式校验，格式不对直接重试，避免把乱数据喂给下游。再说记忆和规划。短期记忆就是上下文窗口，但长期记忆得靠 [[Vector Database]] 存历史信息或知识。规划这块，单Agent做任务分解，比如把“…

#百度#Agent#Agent 工作原理

面试题·Agent· 百度

Agent 规划记忆工具分工

匹配口述回答：…]和多轮历史维护；长期记忆是跨会话的知识积累，比如用户的历史偏好或者企业政策，我一般用[[Vector Database]]加[[RAG]]来存和检索。这里有个常见的坑：很多人以为长期记忆只存事实就好，但其实要区分知识类型。比如客服场景，退款规则是静态知识，适合向量检索；但用户的历史行为是动态的，更适合用结构化数据库。所以真正落地时，我倾向于混合记忆，短期靠Prompt，长期按类型选存储，而不是一刀切用向量库。工具模块是Agent能力的放大器。大模型本身不会算数、不会查库…

#百度#Agent#Agent 规划记忆工具分工

面试题·Agent· 淘天

LangChain vs AutoGPT vs BabyAGI 怎么选?

匹配口述回答：… [[RAG]] 的检索能力和 Agent 的规划能力结合起来。我理解它跟纯 LangChain 编排的区别在于，Agentic RAG 里模型可以自己决定「要不要搜、搜什么、搜几次」，而不是开发者硬编码一个检索步骤。这个思路在处理复杂多跳问题时特别有用，比如查一个跨部门的合规政策。不过代价就是延迟和成本更高，需要更精细的 [[Self-RAG]] 机制来控制[[幻觉]]。所以我的判断是：生产环境的首选还是 LangChain，因为它可控、生态好、调试工具多。 BabyAG…

#淘天#Agent#LangChain vs AutoGPT

面试题·评估· 美团

Agent三大能力评估陷阱

匹配口述回答：…、弹窗遮挡，这些很容易导致流程中断。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…

#美团#Agent#Agent 能力评估

面试题·知识图谱· 淘天

GraphRAG 增量更新怎么保实时?

匹配口述回答：…[[知识图谱]]频繁变化时，怎么在实时性和准确性之间做工程取舍。因为GraphRAG的双层索引，社区摘要层和原始文本层，比普通[[RAG]]复杂得多，你不能简单一句“增量更新”就带过。具体来说，我会先按场景分两类。一类是纯新增文档，相对简单：文本层直接写入[[Vector Database]]，同时抽实体、关系并入图。图结构变了，我得判断新实体或边会不会影响现有社区划分。如果只是局部影响，比如新实体连到一个已有社区，那我只重算那个社区的摘要；但如果新实体跨了社区，触发社区合…

#淘天#GraphRAG 增量更新#知识图谱实时性

面试题·知识图谱· 淘天

GraphRAG 技术难点有哪些?

匹配口述回答：这道题其实是在问，当你想把[[知识图谱]]和[[RAG]]结合起来的时候，怎么在结构化带来的精度提升和检索效率之间做平衡。我先说图谱构建。难点是把非结构化文本转成结构化知识时，信息损失很大。比如做[[NER]]和[[关系抽取]]，级联误差会累积，开放域下实体边界很模糊。这里有一个关键取舍：预定义schema能保证质量但覆盖不全，开放抽取又太稀疏混乱。我倾向于用双轨策略，高置信的结构化数据用规则抽取保证准召，长尾知识交给大模型生成式构建。但前提是你得有个质量门控，不然大模型会引…

#淘天#多模态#GraphRAG 难点

面试题·Prompt· 脉脉

Prompt 怎么系统设计与优化?

匹配口述回答：…的错误信息当成真理。所以我会在系统Prompt里加一句：如果用户信息与系统规则冲突，以系统规则为准。这个边界处理不好，很容易出[[幻觉]]或安全漏洞。所以整体上，我更倾向于把提示词工程看作一个持续优化的闭环，不是写一次就完事。每个场景都要根据业务反馈调参数，而且不同场景策略不一样，比如RAG重检索质量，[[Agent]]重工具调用和错误恢复。没有银弹，但把结构、动态、评估这些环节管好，质量就能稳定提升。本质是控制沟通四层结构模板动态策略与RAG结合评估与落地风险可…

#脉脉#评估与监控#Agent

面试题·Prompt· 高德

ReAct 框架为什么优于纯提示?

匹配口述回答：…快更省成本。比如“苹果和橘子哪个更甜”，这种纯提示就能搞定。真正落地的时候，往往是ReAct和纯提示混着用，或者ReAct跟 [[RAG]] 结合。比如客服退款场景，用户说“我买的东西降价了，能退差价吗”，纯提示只能给个通用话术，但ReAct可以拆成几步：先查订单状态，再查当前价格，然后算差价，最后看是否符合满减政策。每一步都调用不同的工具，比如订单系统、价格库、规则引擎，最后给出准确答复。再说落地风险。ReAct看起来很美好，但前提是工具描述要足够清晰。如果Action空…

#高德#Agent#ReAct 框架

面试题·Prompt· 阿里

Agent推理链路Prompt优化评估指标

匹配口述回答：…为Agent的Prompt和普通LLM问答不一样，它涉及工具调用、多步推理，一个小改动可能让成功率从70%跳到90%，也可能让[[幻觉]]率翻倍。所以我的核心思路是：评估指标必须围绕端到端的任务完成，而不是只看单步的文本相似度。先说评估指标。我会分三个维度来看。先看任务完成指标，这是最硬的。比如客服退款场景，Agent需要调用订单查询、退款策略、审批等多个工具。我会看任务成功率，也就是最终退款成功比例；再看步骤正确率，比如调用退款接口时参数传对了没有；还有结果一致性，同一个…

#阿里云#Prompt工程#评估与监控

面试题·Prompt· 字节

电商Prompt设计陷阱

匹配口述回答：…务，比如政策问答；微调适合风格固定、输出格式统一的任务，比如评论摘要。但电商场景复杂，往往是混合的。比如商品推荐，既需要实时库存（RAG），又需要个性化风格（微调），我会先用微调让模型学会推荐逻辑，再注入实时数据做 RAG。说白了，没有银弹，落地时我会优先用prompt工程，成本低迭代快，只有prompt搞不定才考虑微调。总结一下，我的核心思路是：用结构化和少样本稳住输出，用规则校验兜住幻觉，用检索压缩控制成本，同时动态调整示例。这样模型才能在生产里稳定跑起来。定位：问的…

#字节#Prompt工程#电商 Prompt 设计

面试题·Prompt· 百度

AI Agent 架构与框架怎么选?

匹配口述回答：…、检查、优化，不需要人工干预。听起来很酷，但实际落地风险很大。常见失败场景是它容易陷入死循环，比如一直查同一个API，或者生成[[幻觉]]指令，而且成本失控。所以AutoGPT更适合实验探索，生产环境我基本不考虑。选型上，我的原则是任务复杂度越高，越需要ReAct加人工兜底。具体来说，客服、工单这类对可控性要求高的场景，我会用ReAct，但每一步关键决策都加一个人工审核节点。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Re…

#百度#Agent#AI Agent 架构

面试题·Prompt· 字节

Agent 系统架构与 Prompt 设计原则

匹配正文：…SON/特定格式输出，方便解析；预留thought字段暴露推理过程容错设计：Prompt中显式说明"无匹配工具时如何响应"，避免幻觉调用动态组装根据上下文长度动态裁剪few-shot示例工具列表按需加载，避免无关工具干扰决策三、关键机制机制实现要点自我反思执行后追加"检查结果是否正确"步骤，错误时触发重规划中断恢复保存执行状态快照，支持从断点继续而非重启人机协同置信度低于阈值或涉及敏感操作时，转人工确认

#字节#Agent#Agent 系统设计

面试题·Prompt· 美团

ReAct 框架怎么实现推理+行动?

匹配口述回答：…数。这里有个边界问题。纯推理比如 [[Chain-of-Thought]]，只靠模型内部知识，如果知识过时或者不足，容易产生[[幻觉]]。纯行动比如直接调工具，没有规划，效率低还容易走偏。ReAct把两者结合起来，用思考指导行动，用观察修正思考，所以比单独用哪个都好。但真正落地的时候，我一般不会只用ReAct，还会结合[[RAG]]或者微调。比如RAG适合知识密集型任务，ReAct适合需要多步推理和工具调用的场景，很多时候是两者一起上，先用RAG检索知识，再用ReAct做推…

#美团#评估与监控#Agent

面试题·Prompt· 字节

AI Agent 核心特点与局限

匹配口述回答：…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-Verification]]那样，需要系统性突破。所以我对…

#字节#评估与监控#Agent

面试题·Prompt· 百度

Agent 性能优化：架构与推理陷阱

匹配口述回答：…忆这块我特别看重分层设计：短期记忆就是对话窗口管理，用[[滑动窗口]]或摘要压缩；长期记忆走[[向量数据库]]存历史经验，配合[[RAG]]检索；工作记忆是当前任务的临时状态，像栈一样推入弹出。这里有个坑：不要所有记忆都塞进向量库，短期和工作记忆放内存，长期才持久化，否则延迟受不了。推理策略上，我一般用[[ReAct]]，因为Agent场景需要交替推理和行动。复杂任务我会加[[Chain-of-Thought]]显式生成中间步骤，但不是所有任务都要深度推理，简单查询走单步C…

#百度#Agent#Agent 性能优化

面试题·检索· 字节

两阶段 vs 端到端怎么选?

匹配口述回答：…到端看成“加速手段”。两者不是二选一，而是根据场景、成本、质量要求动态组合。如果面试官感兴趣，我可以展开讲讲怎么用 [[Self-RAG]] 让模型自己判断是否需要检索，实现更细粒度的混合。本质是信息密度与可控性的取舍两阶段架构：可控但复杂端到端生成：简洁但有幻觉风险落地权衡：混合架构是常态延伸点：两阶段的隐性成本约4分钟两阶段架构中召回与精排之间的信息损失，以及如何通过回退机制缓解面试官可能会追问信息损失的量化方法，或者回退机制的具体设计

#字节#两阶段检索与端到端生成#两阶段检索

面试题·检索· 美团

Embedding 相似性检索怎么工作?

匹配口述回答：这道题其实是在问，怎么把人对语义的理解，转换成机器能算的距离。我们做[[RAG]]、做知识库的时候，核心就是靠这个。先说一下基本原理。文本进来，我会用[[Embedding]]模型把它变成一个向量，比如768维或者1024维的稠密向量。你理解成把一句话压缩成一个坐标点，语义相近的，坐标就挨得近。这一步的前提是模型本身质量够，如果模型不行，后面全白搭。然后算相似度，最常用的是余弦相似度，它只看方向不看模长，适合大部分场景。欧氏距离也行，但得先归一化。说白了，选哪个度量取决于…

#美团#Embedding检索#Embedding 相似性检索

面试题·Agent· 美团

Agent 必备基础能力有哪些?

匹配口述回答：…、工具调用、记忆，但真正让它们生效的是协作循环和反思机制。面试官如果感兴趣，我可以再聊聊多Agent协作或者如何用 [[Self-RAG]] 让模型自己学会反思。一句话定位：这道题本质考的是Agent在真实落地中如何组织能力感知和记忆：数据入口与缓存，边界在哪里规划与工具调用：ReAct循环和反思机制协作关系：以订单异常处理为例串起来落地风险与取舍：别把Agent当神，要防死循环和幻觉约4分钟 Agent落地中常见的失败场景是规划死循环或工具返回导致幻觉，需要加步…

#美团#Agent#Agent 基础能力

面试题·评估· 百度

Single-Agent vs Multi-Agent 怎么选?

匹配口述回答：…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；多智能体扩展性强，但引入协调成本和通信开销。我更倾向先评…

#百度#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：…，解决维护成本和复杂场景串联问题技术方案：ReAct+多工具编排，关键设计是结构化Schema和人工确认节点核心挑战：工具调用幻觉、长链路超时、成本控制，以及对应的工程解法效果与迭代：量化指标提升，以及后续扩展的思考约4分钟工具数量增多时，调用准确率会下降，可以用Self-RAG让模型反思验证结果追问Self-RAG的具体实现，比如如何设计反思循环、怎么保证不增加太多延迟

#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：…ent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