AgentAlpha · 面试间← 返回主站

公司题库 · 百度

百度大模型 Agent 面试题

文心系列与搜索主业结合紧密，搜索增强、知识问答类 RAG 岗位是传统重心。

题目口径：来自 百度、文心、文心一言、 ERNIE 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 · MCP 由哪几部分组成？三层看：角色层 Host/Client/Server（Host 是宿主应用，Client 是其通信模块，一 Host 连多 Server）；能力层 Tools/Resources/Prompts 三类；协议层 JSON-RPC 2.0 加 stdio 或 Streamable HTTP 传输。
Q · 你了解哪些更复杂的 RAG 范式？Naive 到 Advanced 到 Modular 是流程内的演进；再往上是换层的范式：Self-RAG 让模型自决检索时机、CRAG 检索差时降级纠错、GraphRAG 用图谱答全局问题、Agentic RAG 做成多轮动态检索的 Agent。
Q · SFT 数据和 RLHF 对齐数据，在筛选标准和用途上有什么核心区别？SFT 数据教模型学会做任务，核心是筛选正确且多样的示范数据；RLHF 数据教模型按人类偏好做得更好，核心是筛选具有真实优劣对比和高标注一致性的偏好对。前者决定能力上限，后者决定行为对齐。
Q · BM25 对 TF-IDF 做了哪些核心优化？字面检索的原理是什么？BM25 是 TF-IDF 的改良版，核心优化了词频饱和度与文档长度归一化。在 RAG 中作为字面检索通道，依赖分词抓取精确匹配，与向量检索形成互补。
Q · Agent 记忆为什么要分级？多级架构的必要性怎么讲清楚？记忆分级是为了在生命周期与访问成本之间做平衡。单级架构无法同时解决窗口限制、检索损耗与成本控制问题，多级架构通过冷热数据分离实现了各级存储的高效协同。
Q · 记忆写入前怎么校验？记忆模块的质量和效果怎么评估？写入前通过去重、原文一致性校验和新旧冲突检测把关；评估时写入侧看抽取准确率和冲突率，使用侧看记忆命中率、任务成功率增量，并引入基于调用结果的可信度回写机制。
Q · 子 Agent 崩溃或超时，主流程怎么兜底？应对子 Agent 异常的核心是先自救再上报，通过超时预算与异常分类进行检测，按重试、降级、委派、上抛的梯度执行兜底，并利用沙箱隔离与幂等设计保障全局状态的一致性。
Q · MCP 的 stdio 和 Streamable HTTP 传输是怎么回事？让你实现一个 MCP server 要做什么？stdio 用于本地零网络开销的子进程通信，Streamable HTTP 负责远程服务并支持 SSE 流式返回；实现服务端需处理握手，用协议原语暴露工具，实际开发多用 FastMCP 完成注册。