Ai agent开发二面 快手面经

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.实习拷打3.OCR 结果有噪声或错误时，你是怎么做纠错或提升解析质量的？4.多模态检索中，图像和文本向量不在同一空间时，如何实现对齐？5.Agent 中长短期记忆如何设计？各自存什么，怎么触发读取？6.多轮对话中，如果不同轮次的记忆发生冲突，你如何处理？7.用户情绪异常（投诉、愤怒）时，Agent 如何在不中断主流程的情况下进行干预？8.长文档为什么一定要切 chunk 再做向量化？不切会有什么问题？9.chunk切分时为什么要有重叠区域？比例一般怎么确定？10.稠密向量和稀疏向量的区别是什么？各自适合什么场景？11.是否做过关键词召回和向量召回的融合？具体怎么做的？12.向量检索中 Top-K 设置过大或过小分别会带来什么问题？13.余弦相似度和欧氏距离在高维空间中的差异是什么？实际怎么选？14.为什么需要 rerank 模型？它解决了向量召回的哪些问题？15.rerank之后的截断策略是怎么设计的？为什么选这个 K 值？16.文档发生局部更新时，如何做增量索引而不是全量重建？17.RAG 中如果没有召回到相关知识，如何约束模型避免胡编？18.HyDE 在 query 模糊时是如何提升召回效果的？19.超长上下文模型出现后，RAG 架构的必要性是否会下降？20.大模型高并发调用时，如何做限流、降级和成本控制？

1. 自我介绍2. 项目拷打3. 如果让你从 0 到 1 设计一个生产级 AI Agent 系统，核心架构怎么拆？生产级 AI Agent 系统一般拆成接入层、编排层、模型层、记忆层、工具层、知识层、状态层、观测层和安全层。接入层负责用户请求接入、鉴权、限流和会话管理。编排层负责意图识别、任务拆解、路由不同执行链路。模型层负责推理、规划、总结和结构化输出。记忆层负责短期会话记忆和长期用户记忆。工具层负责调用搜索、数据库、工单、日志、订单、风控等外部系统。知识层负责 RAG 检索、重排、知识库版本管理和权限隔离。状态层负责维护任务状态机、步骤执行记录、幂等控制和失败恢复。观测层负责 tracin...

继续来分享下之前的面经~欢迎友好讨论，信息共享1.实习拷打2.在这个产品的研发过程中，你承担了什么角色？主要完成了哪些任务？3.从技术层面来讲，你在设计这个平台的Multi-Agent架构时是怎么设计的？4.你提到有Deep Research能力，还有推理能力，能详细介绍一下深度研究这部分吗？5.这个Deep Research是多轮检索，那你会进行到什么程度才停止？用什么判断？6.你说有三类判断，那具体在使用过程中，这些判断的阈值是怎么设置的？7.你们上下文是怎么管理的？8.上下文是共享的对吧？具体会共享哪些信息？9.现在的Agent是多Agent吗？具体是怎么设计的？10.多Agent协同是通过什么机制实现的？11.这些状态以及Agent之间同步的数据是存在哪里的？12.这个平台只是内部员工用的，会需要这么复杂的架构吗？13.这个AI平台是怎么部署的？14.实际用的是哪家的大模型？15.会根据不同问题切换不同模型吗？16.那你是怎么判断一个问题是简单还是复杂的？17.这个意图识别是用什么模型实现的？18.这个平台现在是什么状态？已经上线了吗？19.如果很多员工同时用，会不会有一些限流或者降级策略？20.有不同租户、不同应用，这个概念是怎么理解的？21.开发语言主要是什么？

🕐面试时间：35min❓面试问题：一上来就是学习中有什么困难，是怎么解决的。问第一个项目的流程，为什么要用到这个模式redis，caffine，数据库如何保持数据一致性（给了一个场景，100台服务器，热点数据刚好同时过期怎么办，这时候来一大批数据数据库扛不住怎么办）实习过程中的任务，困难。反问 无八股，无手撕