AI智能体应用开发面试题 - 2026-06-12 00:02

【面试题】1. 大模型API调用时，你们怎么处理"幻觉"问题？线上生产环境有什么经验？

【标准答案】核心三个手段：prompt约束+输出校验+知识库兜底。Prompt里明确要求"不知道就说不知道"，加few-shot示例教模型何时拒答。输出后接一个校验层，用规则或小模型检查答案是否在知识库范围内。生产环境我们会记录模型不确定的case，用confidence score过滤后走人工兜底。

【面试题】2. 简单说下ReAct和Plan-and-Execute两种Agent范式的区别和选型？

【标准答案】ReAct是边想边做，每步推理后直接执行，出问题能快速调整，适合短流程、实时性高的场景。Plan-and-Execute是先规划再执行，先拆解完整计划再逐步执行，适合复杂多步骤任务、容错率高的场景。选型看任务复杂度——简单任务ReAct更快，复杂任务Plan-and-Execute更稳。

【面试题】3. Dify和CrewAI在多Agent协作上有什么区别？你们项目怎么选？

【标准答案】Dify是可视化工作流平台，擅长编排、API集成、批量任务，偏向工程落地。CrewAI是代码优先的多Agent框架，角色定义清晰、协作逻辑通过prompt控制，适合快速原型。选型：如果需求是搭业务系统、对外提供API，选Dify；如果团队技术强、要做定制化多Agent逻辑，选CrewAI。

【面试题】4. 工具调用时怎么防止Agent无限循环调用？你们有什么熔断机制？

【标准答案】三层控制：1）调用计数器，每个工具设最大调用次数阈值；2）消耗token预算，超量直接终止；3）结果相似度检测，连续N次返回相似内容判定为死循环。实践上我们会给Agent留一个"检查点"能力，每轮输出思考摘要，人工可随时介入。

【面试题】5. RAG系统里，向量检索和关键词检索怎么结合效果最好？

【标准答案】Hybrid Search是标配，ES/BM25做关键词兜底，向量相似度做语义扩展，两者RRF融合打分区间。关键细节：chunk大小影响召回——代码类小chunk（200-300字符），文档类大chunk（500-800字符）。Query改写也重要，加一层query expansion能显著提升召回率。

【面试题】6. Agent的记忆系统你们怎么设计？短期记忆和长期记忆怎么分工？

【标准答案】短期记忆用滑动窗口消息，保留最近N轮对话，用summary模型定期压缩。长期记忆用向量数据库存重要结论、用户偏好，在新对话开始时做recall。实践中我们发现记忆要分层——事实类（持久）、偏好类（定期更新）、上下文类（会话级），不同层用不同策略管理。

【面试题】7. 多模态Agent你们用过吗？图片理解在Agent场景里有什么坑？

【标准答案】用过，主要是视觉-语言模型做图文理解。坑有两个：一是图片太大token成本高，需要降采样或切分；二是OCR识别不准，特别是中文表格。解法：表格类图片走专门的表格识别模型，不要依赖多模态模型的表格能力。图片描述要明确要求模型输出结构化格式。

【面试题】8. 你们Agent项目从0到1上线，部署架构怎么设计？

【标准答案】核心组件：API网关→Agent调度层→工具层→知识库。部署用Docker，Agent实例stateless，方便横向扩展。关键点：异步任务用消息队列解耦，长任务不要占着http连接。另外预留监控——每个工具调用成功率、模型响应时间、token消耗，上了量这些指标救命。

【面试题】9. 如果Agent执行任务时间太长，怎么做性能优化？

【标准答案】瓶颈在哪先定位。常见三个点：1）模型推理慢→换更快的模型或加缓存；2）工具调用链太长→合并工具，减少调用次数；3）RAG检索慢→优化索引、限制召回数量。工程上可以对不关键步骤做降级——非核心步骤用小模型，核心步骤才调用大模型。

【面试题】10. 面试场景：面试官问"你们怎么做Agent的效果评估？"

【标准答案】评估分三层：1）单步准确率——工具调用是否正确，用单元测试验证；2）任务完成率——端到端任务是否达成，人工抽检+自动化评测集；3）用户体验——响应质量、延迟、容错，用A/B测试对比。核心指标是任务完成率和人工满意度，两者结合才能说明Agent真的有用。