飞猪秋招一面：并发任务调度与 Agent 故障定位
本场面试题
- 工单分析 Skill 怎样安排并发子任务，哪些边界容易出错？
- 入驻 Agent 填错商户资料并提交后，怎样定位问题出在哪一层？
面经与参考答法
飞猪秋招一面：并发任务调度与 Agent 故障定位
原帖标题自述为飞猪秋招一面，并带有阿里标签；具体岗位、部门与面试日期未披露。
面试经历与轮次来自候选人自述，未独立认证。本文选录并发子任务与故障定位两题，短答和教学例子由编辑补充，不代表候选人现场回答或企业标准答案。
（1）工单分析 Skill 怎样安排并发子任务，哪些边界容易出错？
先按数据依赖与共享副作用拆任务，输入已固定且互不冲突的分支才并行。设置有界并发、队列和整体及单任务截止时间，并让父任务收口子任务状态。汇合时校验任务ID、输入版本、状态与证据，预先约定必需分支失败和部分成功策略。重点检查竞态、迟到结果、遗漏取消与盲目重试；同时发出请求不会自动提供取消和重复安全。
教学例子（非原项目实现）：读取两份独立日志可以并行，故障结论要等待必需证据齐全；其中一份超时就按预定策略失败或标明缺口，不能把已返回的一份当成整个排查已经完成。
技术核对：Python：任务组与取消、LangGraph：执行与更新屏障。
（2）入驻 Agent 填错商户资料并提交后，怎样定位问题出在哪一层？
先控制后续错误提交并保全脱敏证据，明确哪个字段偏离了正确来源。冻结输入、提示词、模型与工具版本、状态和最终提交数据，用关联ID串起取数、生成、字段映射、校验、提交与落库，查找最早偏离证据的环节。分别验证模型、工具契约、陈旧或并发状态和下游写入等假设；日志时间或模型自报不能单独定责。在隔离环境用工具桩或受控结果重放，避免再次真实提交，最小修复后回归；证据不足时保留未知。
教学例子（非原项目故障）：同一字段的模型结果为A、发出的提交参数却为B，先检查两者之间的字段映射和状态读取，再核对后台最终写入。模型调用成功或商户投诉都不能单独证明错误由模型造成。
技术核对：W3C：跨组件追踪上下文、NIST：测量任务与方法局限。