淘天 Agent 一面：工具调用、上下文与记忆更新
本场面试题
- 提高 Agent 的 Function Calling 可靠性，应分别检查哪些环节？
- 怎样区分并组织长期记忆、短期状态与当前模型上下文？
- 遇到“记忆覆盖”问题，为什么要先澄清覆盖发生在哪一层？
面经与参考答法
问题选自作者自述的淘天 AI Agent 开发一面记录。以下短答用于备面讲解，不代表作者当场作答；页面发表于北京时间2026-02-12，面试绝对日期未披露。仅选录三个文字条件清楚的问题；原帖未说明的 LoRA 变体及 MHA 手写条件不复原。
（1）提高 Agent 的 Function Calling 可靠性，应分别检查哪些环节？
分别检查工具描述与选择、参数 Schema、业务权限校验、执行结果和后置状态，用代表性成功及失败样例评估。模型生成合法 JSON 只证明结构可解析；错误需返回稳定语义，在预算内修复或重试，副作用另外处理幂等与状态未知后的对账。不能只靠加长提示词保证工具真正成功。
（2）怎样区分并组织长期记忆、短期状态与当前模型上下文？
短期状态围绕当前会话或任务保存进度与必要历史，长期记忆跨会话保存经授权且有来源、作用域和有效期的信息；当前上下文只是本轮按目标与预算选入的内容。先按身份、权限及相关性检索，再处理冲突与版本；写入持久存储并不代表每轮都应全部放进模型窗口。
（3）遇到“记忆覆盖”问题，为什么要先澄清覆盖发生在哪一层？
先区分窗口裁剪、同字段事实冲突、并发写入和用户主动更正，处理方法不同。保存实体、字段、来源、时间与版本，明确当前有效视图；并发更新可用条件写入，失败后重读并协调；事实无法仲裁时保留争议并澄清，而非静默最后写入获胜。这些是教学排查方向，原帖没有披露作者具体遇到的覆盖机制。