AI智能体应用开发面试题
生成时间：2026-06-12 11:55 适用岗位：AI应用开发工程师（1-3年经验）
【面试题】1. 你在项目中是如何设计Agent的工具调用机制的？遇到过哪些坑？
【标准答案】我通常采用"工具注册+描述驱动"的模式。具体做法是：把每个工具封装成函数，用JSON Schema定义入参和出参，然后通过function calling让模型理解工具用途。
遇到过三个典型问题：第一是工具描述不够精确，模型会乱传参数，后来改成每个参数都写清楚"枚举值范围+必填标识+默认值"；第二是工具数量过多导致token爆炸，我做了工具分级，先根据意图筛选相关工具再传给模型；第三是工具执行超时没处理，现在每个工具调用都有超时熔断和重试机制。
实际落地时，建议一个Agent控制在5-10个工具以内，复杂场景拆成多个Agent协作。
【面试题】2. 设计一个智能客服Agent，你会怎么规划记忆系统？
【标准答案】记忆分三层：短期记忆、会话记忆、长期知识库。
短期记忆就是当前对话上下文，用滑动窗口控制token，保留最近10轮左右。会话记忆用向量数据库存历史对话摘要，用户回来时能快速恢复上下文。长期知识库存产品文档、FAQ，用RAG检索。
关键是记忆的"写入"和"召回"策略。写入时：只在对话结束时提炼关键信息（用户画像、问题类型、解决方案），不存废话。召回时：先根据当前问题做语义检索，再把相关记忆注入prompt。
我之前做过一个售后客服，用户画像（设备型号、购买时间、历史投诉）放在Redis里高频访问，对话历史放向量库。这样既快又准。
【面试题】3. LangChain和Dify在Agent开发上有什么本质区别？什么时候选哪个？
【标准答案】LangChain是代码框架，灵活度高但学习成本大，适合定制化需求强、有工程能力的团队。Dify是低代码平台，可视化拖拽配置，适合快速验证和业务人员参与的场景。
选型看三点：团队技术栈、需求定制程度、交付周期。如果要做复杂的工具链编排、自定义规划算法、深度集成现有系统，选LangChain。如果是内部知识库问答、内容生成、快速MVP，Dify一周就能上线。
我见过很多团队一上来就LangChain，结果开发两个月还没跑通闭环。我的建议是：先用Dify验证需求，跑通后再评估要不要迁移到代码框架。
【面试题】4. 多Agent协作系统中，怎么解决Agent之间的冲突和重复工作？
【标准答案】核心是"职责清晰+协调机制"。我习惯用三种模式：
第一种是层级式，一个主Agent负责任务拆解和分配，其他Agent只负责执行，结果汇总回来统一决策。第二种是对话式，Agent之间通过消息传递协作，有个"黑名单机制"防止死循环（比如两个Agent互相踢皮球）。第三种是竞争式，多个Agent同时出方案，由评估Agent打分选最优。
冲突处理上，我会给每个Agent设"能力边界"，在prompt里明确告诉它"哪些问题该转发给其他Agent"。同时有个全局状态管理，记录谁在处理什么任务，避免多人抢同一个活。
实际项目中，协作超过5个Agent就很乱了，建议控制规模，或者引入专门的协调Agent。
【面试题】5. 你们线上Agent出过最严重的生产事故是什么？怎么处理的？
【标准答案】（可以说一个真实案例）我们之前有个内容审核Agent，上线后突然开始批量通过违规内容。排查发现是模型版本升级后，原来的prompt在新版本上"理解偏了"，把"优先保证审核效率"理解成"放宽审核标准"。
事后做了三件事：第一，建立了prompt版本管理和模型版本绑定机制，换模型必须回归测试。第二，加了安全兜底层，关键输出过一道规则引擎和关键词过滤。第三，做了实时监控，审核通过率异常波动自动告警。
这个事故让我学到：LLM不是传统软件，"代码没改"不代表"行为不变"。上线后必须有兜底方案和监控，不能完全信任模型。
【面试题】6. 用户问"帮我订一张明天去上海的机票"，Agent应该怎么规划执行流程？
【标准答案】这个需求看起来简单，实际涉及任务拆解、信息补全、工具编排。
第一步是意图识别和槽位填充：出发地是哪？具体时间？航空公司偏好？这些信息不全，Agent要先追问用户。
第二步是任务规划：查询航班 → 筛选符合条件的 → 展示给用户选择 → 确认后调用订票接口 → 返回订单信息。
第三步是异常处理：查询失败怎么办？接口超时怎么办？用户中途改主意怎么办？
实际落地时，我会把流程拆成多个状态机节点，每个节点有明确的输入输出和错误处理。追问环节用对话式交互，订票环节用表单确认。关键是要给用户"可控感"，不能AI直接就下单了，要让人确认。
【面试题】7. RAG系统中，检索质量差怎么优化？
【标准答案】检索质量差通常有三个原因：切分策略不合理、embedding模型不匹配、检索逻辑太单一。
切分策略：纯按字数切分会把语义割裂。我改成了"按段落+标题层级"切分，每个chunk带上下文摘要，检索时更准。重叠窗口也加上，避免边界信息丢失。
Embedding模型：通用模型在专业领域效果差，我们换成了领域微调的模型，或者用BGE这种中文优化的模型。
检索逻辑：不能只用向量检索。我会加关键词检索做召回，然后用BM25+向量分数做混合排序，最后用LLM重排精选Top3。还可以加"元数据过滤"，比如用户问产品价格，就只检索价格相关的文档块。
还有个技巧：用户query太短时，先用LLM改写成更完整的检索语句，召回率能提升20%以上。
【面试题】8. Agent的prompt怎么设计才能稳定输出结构化数据？
【标准答案】三个关键点：输出格式明确、示例引导、校验兜底。
格式明确：直接在prompt里写"请严格按照以下JSON格式输出"，把schema贴进去，每个字段说明清楚。不要说"输出一个对象"这种模糊描述。
示例引导：给2-3个标准示例，模型更容易模仿。但要注意示例不能和实际任务太像，否则模型会直接抄答案。
校验兜底：模型输出后一定要做格式校验。我通常用Pydantic做schema校验，失败就触发重试或走降级逻辑。有些团队用"让模型自己修输出"的方法，我实测不稳定，不如直接重试。
另外，temperature设到0-0.3之间，太高输出会飘。如果数据结构复杂，可以让模型分步输出，每步校验，而不是一次吐完。
【面试题】9. 如何评估一个Agent系统的效果？有哪些关键指标？
【标准答案】评估分三个维度：任务完成率、过程质量、用户体验。
任务完成率是最核心的：用户交给Agent的任务，最终有多少成功完成？这个要按业务场景定义，比如客服场景看"问题解决率"，订票场景看"订单成功率"。
过程质量看：工具调用准确率（有没有调错工具）、追问合理性（该问的问了没）、错误恢复能力（出问题能不能自动修复）。这些需要人工抽样评估或设计自动化测试用例。
用户体验指标：响应时长、对话轮数、用户满意度评分。对话轮数不是越少越好，要看"信息获取效率"，该问的问清楚，不该问的别废话。
实际落地时，我会先跑一批golden dataset（标注好的测试集），看准确率和召回率。上线后埋点监控，定期做bad case分析迭代。
【面试题】10. 假如你是技术负责人，要从0到1搭建一个企业级Agent平台，你会怎么规划？
【标准答案】分四个阶段：MVP验证、能力沉淀、平台化、生态化。
MVP阶段（1-2个月）：选一个高频场景（比如内部知识问答或合同审核），用Dify或LangChain快速搭出原型，跑通数据闭环。这个阶段重点是验证需求和ROI，不要追求完美。
能力沉淀（2-3个月）：抽象出通用组件——统一的LLM网关、工具注册中心、向量库管理、对话状态管理。每个组件都做好监控和日志，为后续扩展打基础。
平台化（3-6个月）：做Agent编排平台，让非技术人员也能配置简单Agent。加上权限管理、成本控制、效果评估工具，支持多业务线接入。
生态化（6个月+）：开放工具市场、Agent模板库，让业务团队自己造Agent。技术团队只负责平台能力和底层治理。
关键原则：每个阶段都有业务价值产出，不要憋大招。先在一个场景打透，再横向复制。技术债要控制，但不追求一开始就完美架构。
知识点覆盖：
- 技术基础：工具调用、Prompt工程、记忆系统
- 架构设计：多Agent协作、RAG系统、任务规划
- 项目落地：生产事故处理、效果评估、从0到1规划
- 场景实操：智能客服、机票预订、内容审核
- 框架对比：LangChain vs Dify
说明： 本套题目聚焦实战场景，答案采用口语化表达，适合面试现场作答。每道题都有明确的回答框架和实际案例支撑。