AI智能体应用开发面试题
生成时间：2026-06-15 21:55
【面试题】1. 你在做Agent开发时，遇到过模型"幻觉"导致业务流程出错的情况吗？你是怎么处理的？
【标准答案】
遇到过。核心解法是三层： 第一层是提示词约束，明确告诉模型"不知道就说不知道"，加输出格式校验； 第二层是工具调用时做结果验证，比如调用API后检查返回字段是否符合预期，不符合就重试或降级； 第三层是业务层面加确认机制，关键操作必须人工确认或二次校验。 实际项目中我们还会在Agent输出前加一层"自检"步骤，让模型先输出推理过程，发现矛盾就重新生成。
【面试题】2. 多智能体协作时，你用过哪种通信模式？各自的优缺点是什么？
【标准答案】
三种模式： 第一种是星型，一个主Agent调度其他子Agent，好处是逻辑清晰、易调试，缺点是主Agent压力大、成为单点瓶颈； 第二种是链式，A做完给B、B做完给C，适合流水线场景，缺点是链一长延迟高、错误会传导； 第三种是网状，Agent之间平等通信、自行协作，适合复杂任务，缺点是调试难、可能出现死循环。 我实际项目里常用星型+事件总线，主Agent负责任务分发，子Agent通过消息队列异步执行，结果汇总到主Agent。
【面试题】3. Dify和CrewAI的区别是什么？什么场景下你会选Dify？
【标准答案】
简单说，Dify是低代码平台，CrewAI是代码框架。 Dify适合：团队没有强研发能力、业务流程需要频繁调整、需要快速验证PMF的场景。它的可视化编排、插件市场、一键部署对非技术同学友好。 CrewAI适合：需要深度定制Agent行为、有复杂的多Agent逻辑、团队有研发能力要做二次开发。 我选Dify的场景是：内部工具类产品、流程相对标准、不需要太多定制化。反之，如果要做复杂的多Agent协作、或者要集成到现有代码库里，就选CrewAI。
【面试题】4. RAG系统里，向量检索的召回率低怎么排查？
【标准答案】
从数据到检索链路逐层排查： 数据层：看文档分块是否合理——块太小上下文碎片化、块太大引入噪声；检查Embedding模型和业务领域的匹配度，用专业领域数据微调过没； 索引层：看向量维度、度量方式是否合适；Chunk之间的Overlap是否足够； 检索层：看Query改写/扩展做没做，用户问法和文档表述可能不一致；Top-K设置是否合理；混排策略（向量+关键词）是否启用； 重排层：检查重排模型是否正确校准，有没有把相关度低的顶上来了。 我一般先用召回率指标卡一个baseline，再逐层加优化。
【面试题】5. 如果让你从0设计一个客服Agent，你会怎么规划技术架构？
【标准答案】
分四层： 接入层：统一接入API，支持多渠道（网页、微信、企微等），做流量控制和会话管理； 理解层：意图识别 + 槽位提取，判断用户想问什么、需要什么信息； 执行层：RAG检索 + 工具调用，检索产品知识库、操作工单系统、查询订单等； 记忆层：短期会话记忆 + 长期用户画像，让Agent能记住用户偏好和历史问题。 关键技术选型：对话管理用状态机或大模型判断；RAG用混合检索+重排；工具调用用Function Calling；部署用容器化，方便弹性扩缩容。 核心指标：回答准确率、首次解决率、用户满意度。
【面试题】6. 讲讲LangChain中LCEL链式调用的原理，什么时候适合用Runnable接口？
【标准答案】
LCEL（LangChain Expression Language）的原理是把每个组件（Prompt、Model、OutputParser等）抽象成Runnable对象，通过|操作符串联成管道。执行时数据从左往右流动，每一步的输出自动传给下一步。 适合用Runnable的场景： 需要组合多个组件形成复用流程时； 需要支持异步、流式输出、批量处理时； 需要动态调整链的某一部分（比如换Prompt模板）时。 好处是代码简洁、链可观测、方便调试。复杂业务逻辑还是得写代码，LCEL不是银弹。
【面试题】7. Agent的记忆系统怎么设计？短期记忆和长期记忆有什么区别？
【标准答案】
短期记忆：就是当前会话的上下文，通常用滑动窗口或Token限制来管理。超出就截断或摘要。 长期记忆：存储用户偏好、历史交互总结、结构化画像。一般存到向量数据库或知识图谱里，检索时召回。 设计要点：
- 写入策略——哪些要记？我一般只记有价值的交互，比如用户纠正了Agent的错误、或者表达了偏好；
- 检索策略——需要时怎么取？用当前Query检索历史记忆，加重排；
- 更新策略——记忆会过期，用时间衰减或定期刷新。 实际项目里我们用"记忆摘要"替代全量存储，减少Token消耗。
【面试题】8. 工作中你怎么评估Agent的效果？有哪些指标？
【标准答案】
分两个维度： 任务完成度：能不能完成目标任务。可以用成功率、完成任务所需轮次来衡量； 回答质量：回答是否准确、有用、一致。具体指标包括：
- 答案正确性（需要人工标注或用大模型做裁判）
- 幻觉率（事实性错误占比）
- 响应延迟
- 工具调用成功率 实操上我们会建一个评估集，覆盖常见场景和高频问题，定期跑自动化评估，发现退化就告警。线上也会采样本做人工回访，看用户实际满意度。
【面试题】9. 场景题：用户说"帮我分析一下竞品A和竞品B的优缺点"，你会怎么让Agent执行这个任务？
【标准答案】
分三步： 第一步是任务拆解，先判断用户说的"优缺点"指什么维度（功能？价格？体验？），再决定要调用什么工具——可能需要搜索最新信息、读评测文章、查产品对比页； 第二步是分头执行，起两个子Agent分别搜集竞品A和竞品B的信息，避免串行等待； 第三步是汇总整合，把两份信息按统一维度对比输出，可以加个总结表格。 关键点：要主动追问用户具体想看哪些维度，别自己脑补；信息不充分时先坦白说"我查到的信息有限，先给你有的"，而不是瞎编。
【面试题】10. 你觉得AI Agent从能用到真的好用的差距在哪？什么决定了一个Agent的上限？
【标准答案】
差距主要在三点： 边界感——知道什么能做、什么不能做，不能做的时候怎么优雅地拒绝或引导； 记忆能力——能不能记住用户、记住教训、持续进化； 容错机制——出错了怎么发现、怎么补救、怎么不把用户晾在那。 决定上限的核心因素，我认为是任务拆解能力和工具生态。拆解能力决定复杂任务能不能分解执行，工具生态决定Agent能调用多少外部能力。 还有一个隐性因素是迭代速度——能不能快速收集bad case、快速优化Prompt和流程，这个决定了产品能不能持续变好。
本题库由AI自动生成，每5分钟轮换考点 共覆盖：技术基础、架构设计、工具使用、项目落地、场景实操、综合能力