阿里淘天27实习 智能体开发面经分享

Q1：请⽤你⾃⼰的话定义 LLM Agent，并说明与单次调⽤的差异。答案：LLM Agent 是以⼤语⾔模型为推理核⼼，在 多轮 中与外部环境交互，通过 规划、记忆与⼯具 完成复杂任务的系统。与单次调⽤的差异在于：单次调⽤是 开环⽣成；Agent 是 闭环决策，每步可依据⼯具返回更新状态，直到终⽌条件。追问：若没有外部⼯具，还能叫 Agent 吗？答案：可称为「弱环境」Agent，仅有对话记忆与推理；但仍可有内环多步 CoT 与⾃我验证。⾯试中强调是否存在「⾏动—观察」循环更清晰。Q2：Agent 的记忆⼀般怎么设计？答案：分层设计最常⻅：⼯作记忆（当前轨迹与关键结论）+ 会话记忆（摘要滚动...

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2. 视频进度的redis缓存和定时任务异步落库的方案介绍一下3. 视频进度定时任务该从redis里面扫哪些数据4. 视频进度的hash结构是采用视频章节作为key，value部分是用户id作为key，field 里面又是一个map这样的吗（这里被带偏了，真正的结构不是这样的，后面就全是被面试官追着问）5. 这个value中的map里的数据什么时候会被删除掉呢6. 那这个redis 的hash结构的map内部的key和value来去设置过期时间吗，redis有提供这样的方法吗7. 重新设计这一块的Hash结构该怎么设计，有效期该怎么进行一个设计8. 用户一个视频没有观看完，在中间就进行了一个关闭，你是怎么去判断这个关闭的9. 前端超过了10秒没有给你提交是怎么判断用户离开这个页面，有一次请求超时了丢包了该怎么考虑10. rabbitmq如何实现一个延迟功能11. 如果前端因为网络原因一直无法提交后续的，这个进度是有一部分的丢失，这个该怎么解决呢12. 简单介绍一下微途旅行的项目13. agent用到了哪些工具14. 如何管理这个agent的多轮对话，记忆化15. 会考虑做一个消息的裁剪吗16. 每一次对话都会从mysql里面把用户所有的历史的绘画全部都取出来吗？17. agent背后的调用的模型是什么

Q1：规划和执⾏要不要拆开两个模型？答案：视任务⽽定。Planner-Executor 拆分可提升可控性（强模型规划、快模型执⾏）；单模型端到端更简单但易在⻓链路漂移。可混合：规划⽤强模型，执⾏层做确定性校验。Q2：如何避免 Agent 在⼯具调⽤间「迷失」？答案：明确 停⽌条件 与 最⼤步数维护 任务清单（todo） 与 当前⼦⽬标对每步输出要求 结构化（JSON）关键步骤 强制验证（单元测试式检查、⼆次 LLM 审核）Q3：结果冲突怎么整合？答案：优先级规则（权威源 > 时间新 > 多源⼀致）、让模型显式输出「冲突说明」、必要时触发⼈⼯。Q4：基于效⽤的 Agent 和基于⽬标...

只能走到这里了吗