海康威视 AI Agent 开发一面：可靠工具与任务状态
本场面试题
- Agent 从输入到完成任务，循环与终止条件怎样设计？
- 上下文怎样构造，工具结果怎样放回上下文？
- 谁决定调用工具，怎样校验参数和格式错误？
- 外部工具失败或超时，重试与快速响应怎样取舍？
- 叫车或行程规划中的工具依赖，怎样编排并处理需求变化？
- 车辆紧张或自动流程走不通，怎样沟通和转人工？
- 出行 Agent 除准确率外，还应评估什么？
- 上下文增长时怎样压缩，并评估信息损失？
- 多 Agent 怎样同步状态，并检查子 Agent 的错误结果？
- Trace 应记录哪些信息，线上故障先看什么？
- 重试如何避免重复操作，幂等键怎样设计？
- 怎样控制 Token 成本，并证明节省有效？
- 多轮状态和长期偏好怎样区分与保存？
- 怎样求和为 k 的最长连续子数组长度？
面经与参考答法
问题选自作者自述的海康威视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2026-10-15，未披露面试绝对日期；出行情境不作为具体部门证据。
（1）Agent 从输入到完成任务，循环与终止条件怎样设计？
先把用户目标、约束和当前状态整理成可检查的任务，再循环决策、校验工具输入、执行和吸收结果。完成条件来自用户目标与业务后置状态，另设失败、无进展、超预算和转人工出口；模型说“完成了”或某次工具返回成功，都不能单独证明目标实现。
（2）上下文怎样构造，工具结果怎样放回上下文？
区分稳定指令、用户目标、近期对话、结构化任务状态、工具描述和带来源的观测。工具结果应标明调用ID、状态、时间及可信边界，放入宿主支持的工具消息或观测结构；无关大结果按需提取，外部文本不能借“工具结果”身份覆盖系统规则。具体消息顺序以实际接口合同为准。
（3）谁决定调用工具，怎样校验参数和格式错误？
模型可提出工具及参数，运行时负责工具白名单、Schema、业务规则与权限校验。结构错误返回明确字段错误，让模型在有限预算内修正；语义不完整时先澄清，不能用合法JSON掩盖错误目的地、越权或缺失确认。固定流程也可由代码直接决定节点，未必每一步都交给模型。
（4）外部工具失败或超时，重试与快速响应怎样取舍？
区分可重试的暂时错误、应修参的错误、权限拒绝和执行结果未知。让排队、调用、退避和重试共同消耗剩余deadline，有限次重试并加入退避与抖动；状态未知先查账。用户赶时间时可先给已核实的阶段结果或提供降级选项，不能无条件提高重试次数，也不能声称未执行的动作已经成功。
（5）叫车或行程规划中的工具依赖，怎样编排并处理需求变化？
先澄清起终点、时间与预算；互不依赖的天气、路况等查询可受控并行，依赖前一步结果的询价或下单按顺序执行。用户改需求时使旧计划失效，重新核对已发生的外部动作；已下单的动作要走业务允许的取消或补偿，不能靠撤回一条内存状态当作真实回滚。
（6）车辆紧张或自动流程走不通，怎样沟通和转人工？
先说明已核实的供给、等待时间及不确定性，提供改时间、车型或出行方式等可执行选项。对高风险决定、连续失败、用户明确要求或能力边界外的任务转人工，携带当前状态、已尝试动作和待决问题；不能把“已经发通知”当作人工已接手。
（7）出行 Agent 除准确率外，还应评估什么？
按任务定义成功条件，观察完成率、端到端时延、取消与失败率、人工介入率、费用和用户反馈，并按场景切分。用真实失败形成脱敏回归集，比较候选变更对质量、成本和安全的共同影响；指标口径、样本量与业务目标要写清，不能捏造作者系统的提升百分比。
（8）上下文增长时怎样压缩，并评估信息损失？
优先保存目标、否定条件、预算、关键事实、出处及未完成状态，将冗长记录转成可回查索引和结构化摘要。用原文对照检查事实遗漏，再比较压缩前后同批任务的完成率、约束违反和错误动作；压缩比例由数据和预算实测，不能用字数变少证明信息保真。
（9）多 Agent 怎样同步状态，并检查子 Agent 的错误结果？
为子任务约定输入、输出、状态版本与证据，由明确的写入者提交共享状态，避免并发覆盖。主Agent应检查输出结构、证据与后置条件，处理矛盾、失败和重复执行；必要时重查或交人工，不能因为另一个模型也同意，就把未经核实的结果当事实。
（10）Trace 应记录哪些信息，线上故障先看什么？
用一次任务的trace关联检索、模型调用和工具等span，记录父子关系、时间、版本、状态、错误、重试、token与成本，并对输入输出脱敏。先从失败步骤和耗时分布定位，再比对状态与依赖服务；工具调用应作为相应操作span，不能把所有操作都记成模型生成，也不能把Trace本身等同根span。
（11）重试如何避免重复操作，幂等键怎样设计？
给同一业务意图使用稳定键，并把用户或租户、操作类型、关键业务对象与有效期纳入边界；保存请求指纹与状态，重复请求返回已有结果或查询处理中状态。键的检查与副作用提交需要一致性保障，不能每次重试生成新键，也不能只在内存做一次“查了没有再写”。
（12）怎样控制 Token 成本，并证明节省有效？
先按任务和调用环节统计输入输出token、重试、模型与实际计费，再比较上下文裁剪、缓存、按需检索、路由或减少空转的效果。用同一评估集同时报告完成率、时延和单任务成本，缓存还需考虑失效与权限；原帖没有披露节省数字，因此不代作者填写收益。
（13）多轮状态和长期偏好怎样区分与保存？
会话状态保存当前任务阶段、约束及待办，长期记忆保存经确认且可复用的事实或偏好。记录来源、时间、适用用户与置信度，提供更新、过期和删除机制；模型抽取只是候选，不能把一次临时指令固化为永久偏好，也不能把私有记忆跨用户检索。
（14）怎样求和为 k 的最长连续子数组长度？
用前缀和与“某个前缀和最早出现的位置”哈希表：若当前前缀和为s，之前出现过s−k，则两位置之间的和为k，更新最大长度；相同前缀和只保留最早位置，并初始化前缀和0在下标−1。平均时间O(n)、额外空间O(n)，支持负数；原题未限定全为正数，不能直接套正数滑动窗口。