阿里 Agent 开发暑期实习一面
本场面试题
- 语义检索与向量数据库分别承担什么？
- 模型输出怎样满足业务规则？
- 多轮、多会话 Memory 怎样设计？
- 上下文管理如何优化？
面经与参考答法
阿里 Agent 开发暑期实习一面
作者记录这轮一面的面试时间为 8 月 2 号，原文日期文字未注明年份；该时间为作者自述，未独立证实。
这轮一面以项目深挖为主，从 Agent 主流程继续追问调优、语义检索、框架选型、结构化输出、记忆、容错和上下文管理，最后只记录为一道贪心题。
同一原问涉及多个既有专题时，下方分列复习入口；它们不代表新增独立题目或面试流程。题后的回答均为整理教学，不是候选人现场作答。
（1）怎样介绍 Agent 项目的架构和技术栈？
（1）怎样介绍 Agent 项目的架构和技术栈？
关联知识点待核实。
先说明用户目标和系统边界，再按入口、编排、模型、工具、检索、状态存储与观测画出主链路。技术栈选择要对应约束，例如图式编排用于分支与恢复，向量库用于语义召回，关系库存业务真相。明确本人负责的模块，并用成功率、P95 延迟、单任务成本和故障恢复时间证明效果。
（2）Agent 的完整流程是什么？
（2）Agent 的完整流程是什么？
关联知识点待核实。
请求经过鉴权和输入校验后建立 run，加载短期状态与必要记忆；规划或路由节点选择下一动作，工具执行器校验权限并调用，结果验证后写入状态，循环到满足成功条件、不可恢复失败或预算耗尽。外部写操作必须幂等，关键节点保存检查点，高风险操作设置人工确认。
（3）Agent 常见优化手段有哪些，怎样证明调优有效？
（3）Agent 常见优化手段有哪些，怎样证明调优有效？
关联知识点待核实。
先从真实失败轨迹分类：上下文缺失就优化检索与压缩，工具误选就改描述和候选路由，参数错误就加强 Schema 与校验，路径震荡则增加状态、重复检测和终止条件。随后在固定任务集做单变量对照，比较完成率、步骤正确率、平均轮次、延迟和成本。场景题也沿用“目标—约束—失败窗口—方案—验证”回答。
（4）语义检索与向量数据库分别承担什么？
（4）语义检索与向量数据库分别承担什么？
文档经清洗和切分后由 embedding 模型映射为向量，查询向量与候选通过余弦相似度或内积近邻搜索。向量数据库负责存储向量及元数据、构建 ANN 索引、过滤权限并返回候选；它不负责保证答案正确。生产系统还需关键词混合检索、重排、版本化索引与离线评测。
（5）同一原问的复习入口（向量数据库选型）：语义检索与向量数据库分别承担什么？
文档经清洗和切分后由 embedding 模型映射为向量，查询向量与候选通过余弦相似度或内积近邻搜索。向量数据库负责存储向量及元数据、构建 ANN 索引、过滤权限并返回候选；它不负责保证答案正确。生产系统还需关键词混合检索、重排、版本化索引与离线评测。
延伸阅读：Embedding 与语义向量、向量数据库选型。
（5）为什么选择 LangChain 或 LangGraph，底层流程是什么？
（6）为什么选择 LangChain 或 LangGraph，底层流程是什么？
关联知识点待核实。
LangChain 提供模型、Prompt、检索器和工具等通用抽象；LangGraph 更适合把有状态、可分支、可循环的流程表示为图，并在步骤边界保存检查点。选型依据是流程复杂度、恢复、可观测性和团队维护成本。底层仍是读取 State、执行 Node、按 Edge 决定后继并合并状态，简单线性流程没有必要强行上图。
相关机制阅读（不计专题频次）：工作流状态、检查点与断点续跑。框架与多会话原问可参考 State、thread/checkpoint 和跨 thread Store；原帖未问持久工作流 replay 或 Saga 专项。
（6）模型输出怎样满足业务规则？
（7）模型输出怎样满足业务规则？
优先使用 JSON Schema 或类型模型定义输出，模型生成后由服务端解析、校验枚举、范围和跨字段约束；失败时把精确错误反馈给模型做有限次数修复。涉及权限、金额、状态流转等规则必须由确定性代码裁决。自由文本可再做敏感信息、引用和安全检查，并保留原始输出供审计。
延伸阅读：工具结果校验、解析与反馈。
（7）多轮、多会话 Memory 怎样设计？
（8）多轮、多会话 Memory 怎样设计？
消息、摘要和未完成任务按 sessionId 隔离；长期偏好与事实按用户和租户隔离。每次只检索与当前目标相关的少量记忆，并记录时间、置信度和原始证据。写入前去重，冲突时保留版本或请求确认，过期信息按 TTL 或显式遗忘删除。数据库中保存结构化真相，向量索引只做检索入口。
延伸阅读：短期记忆、长期记忆与检索。
（8）系统异常时如何容错？
（9）系统异常时如何容错？
关联知识点待核实。
为模型、检索和工具分别设置超时、有限重试与指数退避，只重试幂等操作；持续失败时切换备用模型、降级为确定性流程或转人工。断路器防止故障扩散，检查点支持恢复，结构化日志和 trace 关联 run 与 tool call。外部副作用要用幂等键、事务或补偿处理“执行成功但状态未保存”的窗口。
（9）上下文管理如何优化？
（10）上下文管理如何优化？
把系统规则、用户目标、计划、证据和历史消息分区预算；保留不可丢约束与最新工具结果，对已完成过程摘要，对可重取内容只留引用。检索内容先去重和重排，避免“窗口越大越塞”。压缩后校验关键需求是否仍在，并通过长对话回归集检查事实遗漏与指令漂移。
延伸阅读：上下文工程。
（10）贪心算法题应怎样作答？
（11）贪心算法题应怎样作答？
关联知识点待核实。
原记录只写了“贪心相关”，没有题面、输入输出或约束，因此不能虚构某道常见题。现场应先识别局部选择，说明它为什么不会破坏全局最优，常用交换论证或保持领先法证明；若无法证明，就要考虑动态规划。最后给出复杂度，并用反例检查排序规则和边界条件。