AI智能体应用开发面试题（2026-06-12 11:45）
【面试题】1. 用户投诉Agent经常"胡说八道"（幻觉问题），你作为负责人如何系统性降低幻觉率？请说出至少3个治理手段。
【标准答案】三个手段：①RAG约束——要求Agent回答必须基于检索到的文档内容，提示词里加"如果文档中没有相关信息，请直接说不知道"；②思维链输出——让Agent先列出推理步骤，再给结论，减少跳步出错；③结果校验——关键场景加一层校验LLM，检查回答是否合理。本质是"事前约束+事中推理+事后校验"。面试官想听你说"幻觉无法完全消除但可控"，这是有实战经验的回答。
【面试题】2. 你的多智能体系统中，两个Agent对同一个用户问题给出了矛盾的答案。从架构设计角度，如何协调多Agent输出？
【标准答案】三种协调机制：①仲裁Agent——引入一个协调者Agent，收集各Agent答案后做最终决策；②置信度排序——每个Agent输出时附带置信度分数，取最高分答案；③领域隔离——明确各Agent职责边界，问题路由时只分发给对应领域的Agent。推荐③优先，从源头避免冲突；冲突已发生时用②快速解决；复杂决策场景用①。面试官想听你有"多Agent冲突不是bug是设计问题"的认知。
【面试题】3. 你用CrewAI搭建了一个内容创作团队（调研Agent+写作Agent+审核Agent），如何设计Agent之间的信息传递？请说出至少2种方式并比较优劣。
【标准答案】两种方式：①任务链式传递——调研Agent输出传给写作Agent，写作输出传给审核Agent，串行执行；②共享上下文——所有Agent读写同一个context对象，并行执行后合并结果。优劣对比：链式简单可控，但总耗时=各Agent耗时之和；共享上下文快，但需要设计好读写锁避免冲突。1-3年岗推荐用链式，够用且易调试；高并发场景才需要共享上下文。面试官想听你对"协作效率"有权衡思考。
【面试题】4. 你的Agent需要调用企业内部API，但API需要鉴权token且2小时过期。如何设计token管理机制？
【标准答案】三种方案：①Agent启动时获取token，定时刷新（如每1.5小时刷新一次）；②每次调用前检查token过期时间，过期则重新获取；③单独部署一个token服务，Agent调用时从服务拿有效token。推荐②+本地缓存，兼顾简单和可靠。关键点：token获取失败时要有降级策略，比如返回"服务暂时不可用"而不是让用户等。面试官想听你说"token过期不是异常情况是常态"，说明你有生产意识。
【面试题】5. 你的RAG系统召回准确率从85%掉到60%，排查发现是因为知识库新增了大量文档。从哪些维度优化？请列出优先级。
【标准答案】排查优先级：①数据质量——新增文档是否做了清洗，有没有垃圾数据干扰；②chunk策略——新增文档是否按原策略切分，长文档有没有信息丢失；③检索策略——是否需要从纯向量检索升级为混合检索（BM25+向量）；④重排序——召回后加一层rerank模型提升相关性。优先级：①数据质量是根基，先洗数据；②③④根据实际情况选。面试官想听你说"数据质量比算法重要"，这是有经验的判断。
【面试题】6. 你开发的Agent在本地跑得好好的，部署到Docker容器后调用OpenAI API超时。可能原因有哪些？请说出至少3个排查方向。
【标准答案】三个排查方向：①网络配置——容器是否正确配置DNS，能否解析api.openai.com；②代理设置——容器是否需要通过企业代理访问外网，环境变量是否配置；③资源限制——容器CPU/内存限制是否太小，导致请求处理慢。快速验证：进容器curl测试API连通性。面试官想听你说"环境差异是部署常见坑"，这是实战经验。
【面试题】7. 你的Agent需要处理用户上传的图片并提取信息（比如发票识别），如何设计多模态Agent的架构？
【标准答案】三层架构：①接入层——文件上传组件，支持图片格式校验、大小限制；②处理层——调用多模态LLM（如GPT-4V）或OCR引擎提取文本/结构化数据；③推理层——把提取结果作为上下文传给主LLM做后续推理。关键设计：图片处理是耗时操作，建议异步处理+进度反馈；OCR和LLM可以串行也可以并行（OCR提取文本，LLM直接看图），根据准确率和成本权衡。面试官想听你对"多模态不是简单加个API"有架构认知。
【面试题】8. 你的Agent需要对接企业微信机器人，让用户在群里@机器人提问。请描述从消息接收到返回答案的完整链路。
【标准答案】完整链路：①企业微信回调——配置机器人回调URL，接收用户消息；②消息解析——提取用户文本、群ID、发送者信息；③Agent处理——把用户文本传给Agent，获取答案；④消息发送——调用企业微信API发回群里。关键技术点：回调URL需要公网可访问（用ngrok或云服务器），消息需要做签名校验防伪造，群消息要注意隐私（不要返回敏感信息到群里）。面试官想听你说"IM集成不只是调API"。
【面试题】9. 你设计的Agent在生产环境运行一段时间后，用户反馈"回答变差了"。可能原因有哪些？如何监控和定位问题？
【标准答案】三类原因：①数据漂移——用户问题分布变了，训练/prompt覆盖不足；②模型更新——LLM厂商更新模型，行为发生变化；③上下文污染——对话历史累积太多噪声。监控手段：①埋点日志——记录query、召回文档、LLM输出、用户反馈（点赞/点踩）；②定期评测——用标准测试集跑评测，对比历史基线；③bad case分析——收集用户投诉case，归类问题根因。面试官想听你说"上线不是结束是开始"，说明你有运营意识。
【面试题】10. 面试官问："你做过最有挑战性的Agent项目是什么？请详细说一下。"你应该如何回答才能体现你的技术深度？
【标准答案】STAR回答框架：①Situation——项目背景，解决什么业务问题；②Task——你的角色和任务，不是"我们做了什么"而是"我负责什么"；③Action——技术方案细节，遇到的坑和解决方案（这是重点）；④Result——量化成果，如准确率从70%提升到90%，响应时间从5秒降到1秒。关键点：挑战性体现为"问题复杂度+解决过程"，不是"做了很牛的事"而是"解决了很棘手的问题"。面试官想听你说清楚"为什么这事儿难"和"你具体做了什么"。