AI智能体应用开发面试题
生成时间：2026-06-15 21:46
【面试题】1. 在多智能体协作中，如何避免Agent之间的"死锁"或"活锁"问题？
【标准答案】死锁是多个Agent互相等待对方释放资源；活锁是都在动但谁都完成不了。实战中我们常用三种策略：①超时降级——给每个Agent的任务设置超时，超时后放弃等待、返回部分结果或重试；②优先级队列——明确哪个Agent先执行、哪个后执行，避免循环依赖；③中心协调器——用一个主Agent当调度者，其他都是执行者，执行者不直接互相调用，统一走调度器分发任务。简单说就是：别让Agent自己商量谁先谁后，规定好规则让它们照着执行就行。
【面试题】2. Dify和CrewAI在多Agent场景下有什么区别？你更倾向怎么选？
【标准答案】Dify是低代码平台，重在可视化编排工作流，擅长把LLM能力包装成API服务，非技术也能上手，适合产品快速落地；CrewAI是代码优先框架，Agent之间有角色分工和任务传递机制，更灵活，适合复杂的多角色协作场景。选的话：快速出产品用Dify，复杂逻辑和定制化用CrewAI。实际项目中我们经常Dify做前端编排 + CrewAI做底层Agent逻辑，两者结合用。
【面试题】3. 大模型输出不稳定导致Agent决策出错，怎么做错误处理？
【标准答案】核心思路是"防御性调用"：第一层是输出校验，让模型输出前用JSON Schema约束格式，解析失败就重试；第二层是置信度检测，要求模型输出时附带confidence分数，低于阈值就走备用逻辑；第三层是异常捕获，对API超时、token超限、rate limit等提前写好兜底方案，比如降级到规则引擎或返回"需要人工确认"。说白了就是：别假设模型一定会正常返回，做好它随时可能出错的准备。
【面试题】4. RAG系统中，向量检索"语义相似但事实不对"的问题怎么解决？
【标准答案】这是RAG的老大难问题，叫语义漂移。实战解法有几个：第一，混合检索——把向量检索和关键词检索（BM25）结果合并，各取top k后再重排序；第二，上下文压缩——检索到的文档块先做摘要，压缩掉冗余信息再塞进prompt；第三，结果验证链——让Agent对检索结果做二次确认，"这个信息准确吗"；第四，元数据过滤——加时间、来源等过滤条件，减少干扰。根本思路是：检索要准、上下文要干净、结果要验证。
【面试题】5. 智能体的"记忆系统"设计，有哪些主流方案？各自优缺点是什么？
【标准答案】记忆系统分三层：①短期记忆——当前对话的上下文，窗口多大模型就装多少；②长期记忆——把重要信息存到外部存储，常见方案有向量数据库（存对话摘要）、结构化数据库（存实体关系）、知识图谱（存实体链路）；③情景记忆——类似人类的"经验库"，相似场景直接复用历史决策。方案选择上：简单场景用对话窗口+会话摘要就够了；复杂场景建议向量+知识图谱双轨存储，查询效率高。核心原则是记忆要"选择性存储、精准召回"，别什么都往里塞。
【面试题】6. 面试官问："你设计一个Agent的时候，第一步做什么？"
【标准答案】第一步是明确Agent的边界和职责——它能做什么、不能做什么、什么情况下说"不知道"。我会画一个简单的输入-处理-输出流程图：输入是什么（用户query、工具调用结果、还是外部事件）、核心能力是什么（理解、推理、工具调用、还是生成）、输出是什么（直接回答、执行动作、还是给下一个Agent）。职责边界不清楚是Agent失败的常见原因，很多问题其实不是技术问题，是产品设计问题。先想清楚这个Agent是谁、干什么，再动手写代码。
【面试题】7. LangChain的LCEL和传统Chain调用有什么区别？什么时候用LCEL？
【标准答案】LCEL（LangChain Expression Language）是LangChain的新写法，把链的各个组件用"管道符"串起来，代码更简洁、可读性更好。比如 prompt | model | output_parser 这种写法。传统Chain是类继承的方式，代码冗长但可控；LCEL是声明式的，代码少但调试需要熟悉执行逻辑。什么时候用LCEL：简单的顺序任务链、想快速原型开发；什么时候用传统Chain：复杂分支逻辑、需要细粒度控制中间步骤的场景。实际项目中我们混合用，简单路径走LCEL，复杂逻辑用传统写法。
【面试题】8. Agent部署到生产环境，需要关注哪些性能指标？
【标准答案】核心四个指标：①延迟——首token响应时间、完整回复时间，要监控P50/P95/P99；②吞吐量——QPS能抗多少，高并发下是否会自动降级；③成本——每次调用的token消耗，要做token计费和优化；④可用性——API成功率、是否有多级降级机制。除此之外还要监控模型拒绝率（用户问敏感问题模型拒答的比例）和工具调用成功率（Agent调用外部工具的成功率）。生产环境建议用APM工具+自定义埋点，告警阈值提前设好。
【面试题】9. 多模态Agent怎么处理图像输入？简单说下你的理解
【标准答案】多模态的核心是"对齐"：把图像转成模型能理解的表示。目前主流两种方式：①Vision-LLM原生多模态——GPT-4V、Claude、Gemini这种，图像直接进模型，能力最强但成本高；②图像描述+纯文本——用BLIP等模型先提取图像描述，再当文本来处理，省成本但有信息损失。实操中我们还会做图像预处理——缩放到合适尺寸、加OCR提取文字、标注关键区域。选哪种看场景：需要精确理解用原生多模态，追求成本控制用描述中转。
【面试题】10. 如果让你从0到1搭建一个客服Agent，你会怎么规划？
【标准答案】分四个阶段：第一周：需求拆解——梳理客服场景的典型问题、边界是什么、接入哪些系统（工单、知识库、CRM）；第二周：基础架构——选型（用Dify还是自研）、设计意图识别和槽位提取、搭知识库检索；第三周：能力扩展——接入多轮对话、工具调用（查订单、改地址）、异常转人工；第四周：上线与迭代——灰度发布、收集bad case、持续优化Prompt和知识库。核心心法是"小步快跑、快速验证"，第一版先跑通核心流程，复杂功能逐步加。先解决80%的常见问题，剩下的20%靠人工兜底+持续迭代。