腾讯 WXG 一面：转人工 Agent、Skill 与检索边界
本场面试题
- 带转人工环节的 Agent，设计时要考虑什么？
- Agent 的 Skill 怎样构建？
- 大模型的幻觉是什么，为什么会产生？
- RAG、向量检索与传统搜索分别做什么？
面经与参考答法
腾讯 WXG 一面：转人工 Agent、Skill 与检索边界
以下短答与教学示例由编辑补充，不代表原作者的现场回答、实际架构或实测结果。
标题与正文注明 WXG 一面，元数据将公司识别为腾讯；具体岗位未注明。正文仅给 9 月 21 日，年份未注明。作者自述一面后继续等待流程；不把发帖时间或个人实习背景补成岗位信息。
选录转人工 Agent 设计、Skill 构建、幻觉原因、RAG 与检索四组。其余算法、系统设计、语言与数据库题均保留完整私有库存，本页未展开；被遮蔽的平台与创建耗时项目不恢复名称。
（1）带转人工环节的 Agent，设计时要考虑什么？
先定义任务范围、成功条件和哪些情况转人工，保存目标、已知事实、动作与未完成状态。接管时暂停自动执行并转移任务所有权，交付足够的证据与上下文；人工处理后是结束还是恢复，需要明确状态和权限。出现转人工界面不证明后台已经停止。
教学例子：问题缺少必要权限而转人工后，Agent 不再继续重试写工具；人工处理完成时记录结果和后续允许范围，再决定是否恢复。这个流程仅用于说明设计，原文没有披露候选人的真实接管协议。
（2）Agent 的 Skill 怎样构建？
围绕一类具体任务写明触发与不适用条件、输入输出、步骤、失败处理和验收标准；正文精炼，重资料按需加载，工具调用仍受执行层权限限制。用正常、相近任务误触发与异常用例评估，再以版本化方式迭代，而不是把一次成功对话直接变成永久规则。
教学例子：一个只读排障 Skill 应能在对应任务中选对日志工具，并在写配置请求超出授权时停止；测试还要包含不相关问题，检查它是否误触发。此例不是作者已有 Skill 的实测结果。
技术核对：Agent Skills 规范。
（3）大模型的幻觉是什么，为什么会产生？
可以把它理解为生成了与事实、输入或可用证据不一致的内容。语言生成的流畅性并不保证事实正确；知识不足、材料过时冲突或输入误导都可能导致貌似合理的错误。应按失败层定位，结合可信检索、工具核验、证据不足时拒答与任务评测，不能声称一种提示词能消除幻觉。
教学例子：知识库只有旧版本配置，模型流畅地解释它，不一定是表达能力问题，而可能是证据版本错。修复数据并回归同类样本，比单纯要求“回答得更自信”更有意义。
技术核对：TruthfulQA：模型可能模仿文本中的错误。
（4）RAG、向量检索与传统搜索分别做什么？
RAG 把外部证据送入生成流程，检索只是其中一环。关键词检索常用倒排索引寻找词项，向量检索按表示空间的距离找语义候选；大规模近似索引以召回和资源成本作权衡。两路结果可以互补，但都需权限、版本和最终证据校验；原文没给出向量算法名称，不能补成候选人使用了某个索引。
教学例子：错误码适合精确词项匹配，口语描述适合补充语义检索；两路召回后仍要检查片段是否真的回答当前问题。主题相关的段落不能自动证明生成结论正确。
技术核对：RAG：生成结合外部记忆。