百度 AI 应用社招一面：工作区权限、工具发现与上下文
本场面试题
- 多 Agent 的工作区与目录权限怎样控制？
- Tool 怎样注册与动态加载，工具变多后怎样选？
- 大文件挤满上下文时怎样压缩，怎样确定信息优先级？
面经与参考答法
百度 AI 应用社招一面：工作区权限、工具发现与上下文
公司为百度，岗位为 AI 应用工程师，社招一面；正文自述视频面、不含手撕并在之后得知流程结束。面试日期、时长与具体部门未注明。作者注明部分权限实现不是自己负责、事后向同事确认，不能将其改写为个人已验证实践。
以下问题根据候选人公开自述选录，经历未获外部认证。原帖未提供完整现场答案；短答与例子均为编辑教学补充，不代表候选人实际作答、项目实现或企业标准答案。
选录工作区越权、工具动态加载、上下文压缩三组。个性化、框架与向量库选型、RAG 流程、切块和 BM25 都保留在完整私有库存；原文 200—500 的切块数值未说明单位，本页不作通用参数。
（1）多 Agent 的工作区与目录权限怎样控制？
由受信任执行层把主体、任务、允许根目录和读写操作绑定起来，解析实际目标后校验边界，并限制跨用户、跨工作区和符号链接等越界路径。子 Agent 只继承完成子任务需要的权限，提示词或目录名字不能代替授权。访问被拒时返回明确结果，不让模型自行扩大范围。 教学例子：任务只允许读取工作区 A，传入相对路径或链接最终指向 B 时仍应拒绝；知道 B 的路径不代表拥有访问权。原文只说越权被禁止，没有披露具体执行协议。
（2）Tool 怎样注册与动态加载，工具变多后怎样选？
在可信注册表保存稳定 ID、版本、用途、输入输出与权限要求。先按权限过滤，再按任务检索和排序候选，按需加载所选工具的完整 Schema；执行前再次校验当前授权与参数。用真实意图集衡量漏选、误选、成本与延迟，不按固定数量断言必须换架构。 教学例子：文档查询任务只发现获准的只读候选，选中后再加载其参数合同；删除工具即使语义相关，也不能因召回分高而被授权。这里没有补写原项目的注册表实现。
（3）大文件挤满上下文时怎样压缩，怎样确定信息优先级？
先估算模型输入、输出与工具预算，优先保留当前目标、约束、关键事实、来源和未完成动作。大文件可按结构解析与检索相关片段，确定可删除内容后再考虑抽取或摘要；高精度代码、数字或相互冲突的证据应保留原始引用。按任务成功和证据保真度验收，不能只比较压缩率。 教学例子：长文档只有一节包含当前配置条件，先取这一节并保留标题与来源；若摘要丢掉否定词，字数虽少也不合格。并非原项目采用过该具体方案。