AgentAlpha · 面试间← 返回主站

公司题库 · 阿里巴巴

阿里巴巴大模型 Agent 面试题

通义千问系列与百炼平台、夸克搜索、钉钉 AI 助手，企业级 RAG 与 Agent 平台需求大。

题目口径：来自 阿里、通义、千问、Qwen、夸克、钉钉 等公开渠道的面经与岗位 JD 高频归纳，不是内部真题。 按大家实际被问到的方向整理，每题一页带答案与追问。

Q · 上下文压缩必然丢信息，怎么把丢失降到最低？降低丢失的核心是分层保留与结构化提取，将不可丢弃的约束常驻系统区，对历史对话做带引用锚点的摘要，并保留外部原文以便随时回溯。
Q · 大模型应用里 WebSocket 和 SSE 怎么选？各自的局限是什么？流式输出主流用 SSE：单向推送、实现简单、自带断线重连；WebSocket 是全双工长连接，适合双方都要主动发消息的实时协作场景，代价是连接状态要自己管理。
Q · RAG 实际落地中最难的地方在哪里？不是把 Demo 跑起来，是调好：文档预处理是最脏的工程活，检索质量定位靠分层指标，效果评估没建起来之前所有优化都是盲调。
Q · 什么场景下会用图数据库增强向量检索？向量检索擅长语义相近、不擅长多跳关系；问题需要沿实体关系走多步时（供应链穿透、组织架构、影响分析），先向量定位实体、再图上精确遍历，图管结构、向量管入口。
Q · RAG 的父子索引是什么？为什么检索小块、返回大块？父子索引将文档分为两层，向量库存储句子级小块用于精准检索，命中后向大模型提供其对应的段落级大块，解决了检索需要语义集中与生成需要完整上下文的粒度矛盾。