AgentAlpha · 面试间← 返回主站

公司题库 · 谷歌

谷歌大模型 Agent 面试题

Gemini 多模态原生架构、A2A 协议、大规模 ML 管线与 TPU 推理优化方向。

题目口径：来自 谷歌、Google、Gemini 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 · 什么是 AI Agent？它和直接调用大模型有什么区别？直接调用是「一问一答」，Agent 是让模型在循环里自主使用工具、维护状态、根据反馈决定下一步，直到把目标做完。差的是「行动循环」，不是模型更强。
Q · ReAct 是什么？它是怎么跑起来的？ReAct 让模型交替输出「思考（Reason）」和「行动（Act）」：想一步该干什么、调一次工具、看一眼结果再想下一步，把推理过程和行动轨迹串成一个循环。
Q · ReAct、Plan-and-Execute、Reflection 三种范式有什么区别？怎么选？ReAct 边想边走适合路径不明的短任务，Plan-and-Execute 先立整体计划再分步执行适合步骤多的长任务，Reflection 在执行后自我审查再返工，三者常组合用而不是三选一。
Q · Agent 的记忆系统怎么设计？按寿命分层：上下文窗口是工作记忆，向量库放长期记忆，数据库放结构化事实；要点是定清楚「什么值得记、怎么检索回来、什么时候过期」。
Q · Agent 为什么会陷入死循环？怎么检测和治理？死循环的根子是「模型看不到失败」：同一动作反复重试、两个工具互相踢皮球、错误输出被当成进展。治理靠检测（轨迹指纹、轮数预算、进度指标）加干预（升级提示、换路线、交还人）。
Q · Workflow 和 Agent 有什么区别？什么时候不该用 Agent？Workflow 是人写死的流程图，模型只填空；Agent 是模型自己决定下一步。流程稳定、错误代价高的场景用 Workflow，路径真不确定才上 Agent。能用 Workflow 解决的问题上 Agent 是负收益。
Q · Agent 的任务规划怎么做？为什么要先拆解再执行规划就是把目标拆成有依赖关系的子步骤，再按依赖顺序执行、根据每步反馈调整。先拆解是因为模型的上下文和可靠性都有限，大任务直接做容易在中途迷失。
Q · MoE（混合专家）是什么？为什么新模型纷纷改用 MoEMoE 是一种稀疏结构：模型总参数量很大，但每个 token 只激活其中一小部分专家。容量大、单步计算少，代价是所有参数都要常驻显存，部署门槛在显存。
Q · LoRA 是什么？为什么微调大家都在用它LoRA 冻结原模型权重，在旁边加一对小矩阵只训练它们，用远小于全量微调的参数量达到接近的效果。省显存、好切换、可插拔，所以成了默认选择。
Q · LoRA 的 rank（秩）怎么选？是不是越大越好不是。rank 是 LoRA 旁路矩阵的宽度，决定能学多少变化：小了容量不够，大了费显存还容易过拟合，常见做法从个位数到几十之间起步按任务调。
Q · DPO 和 PPO 有什么区别？为什么很多团队改用 DPOPPO 是在 RLHF 里用强化学习：奖励模型打分，模型在训练循环里反复采样更新。DPO 把同一目标改写成直接在偏好对上优化，不需要奖励模型，也没有采样循环，工程上省事得多。
Q · GRPO 是什么？它比 PPO 省在哪GRPO 用「组内比较」代替价值网络：同一个问题让模型采出一组回答，按组内相对好坏分配奖励来更新策略。省掉了和策略模型差不多大的价值模型，显存和算力都省下来。
Q · 微调完模型「变笨」了怎么办？灾难性遗忘怎么防灾难性遗忘是模型在新任务数据上训练后，原有的通用能力明显退化的现象。防法核心是别让训练分布太窄：混入通用数据、控制训练强度、用 LoRA 这类只动小部分参数的方法。
Q · GRPO 训练要盯哪些指标？熵坍塌和组内奖励方差为零分别怎么处理？GRPO 训练需盯紧奖励、策略熵、KL散度和组内奖励方差。应对熵坍塌可采用熵正则、降低KL约束或clip-higher；处理组内方差为零需引入动态采样过滤无效组，并优化奖励判据的难度分层。
Q · KV Cache 是什么？没有它为什么就快不起来生成每个新词都要和前面所有词做注意力计算，KV Cache 把前面词算好的键值中间结果存下来复用，每步只算新词自己那份，省掉绝大部分重复计算。
Q · vLLM 为什么快？PagedAttention 解决了什么问题vLLM 快的核心是 PagedAttention：把 KV Cache 像操作系统管内存分页那样按小块管理，显存几乎零浪费，同样显存能装下更多并发请求，吞吐自然上去。
Q · Continuous Batching 是什么？它和攒一批再处理差在哪攒批是凑满一批一起算、等最慢的跑完才散场，短任务全程陪跑，GPU 大量空转；连续批处理按每一步生成调度，谁完成谁退出、新请求随时补位，GPU 一直有活干。
Q · Flash Attention 是什么？它到底在优化什么？Flash Attention 是一种精确的注意力算法，通过分块计算和在线 Softmax 技术减少中间矩阵的显存读写，重点优化的是访存通信瓶颈而非计算量。
Q · 什么是 MCP？它的核心内容是什么？MCP 是 Anthropic 2024 年底推出的开放协议，解决工具接入碎片化：工具按协议实现一次、任何支持 MCP 的客户端都能复用，三层核心是 Host/Client/Server 角色、Tools/Resources/Prompts 能力、JSON-RPC 2.0 通信。
Q · 线上跑的 RAG 怎么衡量效果好不好？分两层：检索层用 Hit@K 看该召回的有没有进前 K、MRR 看排多前，生成层用忠实度、答案相关性、上下文召回率这类 LLM 裁判指标；线上最终看点踩率、追问率、转人工率。
Q · 什么是 Function Calling？它的原理是什么？开发者用 JSON schema 描述工具传给模型，模型判断需要时输出结构化 tool_calls JSON 而非自然语言，宿主代码执行后把结果回填对话，模型再生成答案——模型只决策、代码执行，两轮对话完成一次调用。
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 · self-attention 为什么要把矩阵拆成 Q、K、V？核心是为了让匹配与内容解耦。Q 和 K 负责相似度匹配，决定找什么和去哪找。V 携带实际提取出的内容。拆分能避免单矩阵自乘导致的表达力受限，让同一批词用不同关注模式取不同信息。
Q · 你的 RAG 架构是什么？分几层？我的 RAG 架构分为接入层、检索层和生成层。接入层负责意图路由，检索层执行查询改写、混合召回与重排，生成层负责带引用输出或拒答，每层均有明确指标监控。
Q · RAG 漏召怎么优化？按顺序使用查询改写、入库时假设性问题增强、向量加BM25混合检索，并扩大召回数量后用重排保精度。所有手段必须在固定评测集上对比召回率来验证有效性。
Q · SFT 加 DPO 的训练数据怎么组织？SFT 数据组织成指令与回答对，覆盖单轮、多轮及工具调用场景并作难度分层。DPO 数据组织成偏好对，需严格控制采纳与拒绝回答的长度均衡，防止模型学会写长。
Q · LayerNorm 和 BatchNorm 的区别？为什么 Transformer 用前者？BatchNorm 沿 batch 维度归一化，依赖批统计量，处理变长序列不稳。LayerNorm 沿特征维度逐样本归一化，与 batch 无关，适合 Transformer 处理变长文本。
Q · 为什么选 GRPO 而不是 PPO 或 DPO？GRPO 省去了 PPO 的价值网络以降低显存和稳定性成本，同时克服了 DPO 依赖离线偏好对且无过程信号的缺点，代价是需权衡采样成本与组大小。
Q · Agent 的停止条件怎么设计？怎么避免死循环和无限反思？Agent 停止条件分正常完成、预算耗尽和异常终止三类。避免死循环需检测重复状态与动作，限制连续无进展步数，并为反思机制设置计次上限。停止后应交付已完成部分与未完成清单。
Q · 任务失败、工具失败、模型失败、权限失败怎么区分？恢复策略各是什么？区分这四类失败的核心是按层级归因。权限失败需申请或换路径，工具失败走重试降级，模型失败要重生成或换模型，任务失败需人介入或重规划。
Q · Function Calling、MCP、REST API 和本地 CLI 的职责边界是什么？这四者分属不同层级。REST API 是通用网络接口，CLI 是本地进程入口，Function Calling 是模型表达调用的数据格式，MCP 是 AI 客户端接入工具的协议标准。一次调用可贯穿四层。
Q · 工具调用的超时、重试、幂等、补偿和熔断怎么实现？工具调用的稳定性需分层实现。超时按工具分级，重试仅限查询类幂等操作，幂等靠请求去重键实现。非幂等失败走反向补偿或人工对账，连续失败触发熔断并降级使用缓存。
Q · 多个工具都能回答同一问题时，怎么训练或评测模型的工具选择？训练侧要构造多条正例，不惩罚合理选择，只惩罚成本高或结果错的劣质路径。评测侧需固定题集统计工具选择分布、成功率与成本，观察模型是按场景选择还是习惯性单用。
Q · 单 Agent、Supervisor-Worker、层级式、去中心化多 Agent 怎么选型？选型按任务耦合度与规模决定。默认从单 Agent 起步。Supervisor-Worker 适合可并行拆分的子任务。层级式适合控制大规模组织的通信复杂度。去中心化适合无中心决策场景，但调试成本高。
Q · RAG 怎么做文档级、段落级权限过滤？怎么防止缓存导致越权？权限过滤必须在检索层完成，通过索引打标签和系统注入用户身份实现。防缓存越权需将权限维度加入缓存键，并在多租户命中缓存后二次校验权限。
Q · 一次 Agent 任务怎么控制 Token、模型、检索和工具的总成本？核心是先计量后控制，把预算挂在任务维度。系统按环节拆解记账，通过分级路由、上下文压缩和缓存降低消耗，最后用任务级预算熔断精确止血。
Q · 任务成功率、步骤正确率、工具成功率和答案质量怎么做分层归因？采用自下而上的归因排查路径，依次测试工具调用层、规划层、生成层和端到端层，确保精准定位到底坏在哪一层。
Q · 上下文超出限制时，采用什么处理机制？采用分层机制：先按策略截断，再摘要压缩历史，把工具结果外置并按需回取，仍无法满足时换长上下文模型或分治拆任务。工程上分别处理对话、工具结果和检索内容。
Q · A2A 是不是 MCP 的竞品？两套协议怎么共存？A2A 不是 MCP 的竞品。MCP 解决 Agent 向下连接工具的问题，A2A 解决 Agent 向外协作的问题。每个 Agent 用 MCP 管自己的工具层，Agent 之间用 A2A 委派子任务。
Q · 怎么理解大模型安全？包含哪些方面？大模型安全可以按模型说什么、模型被输入什么、数据流过什么、模型做什么四层来答，分别对应内容安全、提示词注入与越权、数据安全，以及 Agent 的行为安全。
Q · 安全防护有哪些量化指标？安全防护要用攻击集量化，分层看注入攻击拦截率、有害内容检出率与误杀率、越权动作拦截率和数据泄露事件扫描命中率。
Q · 提示词注入有哪些手段？分别怎么防？提示词注入包括直接注入、间接注入、角色扮演绕过和编码混淆，防御要做输入输出过滤、内容隔离、工具限权，并对高危动作人工确认。
Q · 讲讲 RLHF 的具体过程，涉及几个模型？RLHF 具体涉及四个模型：策略模型负责训练，参考模型计算 KL 约束，奖励模型根据人类偏好打分，价值模型计算优势函数以降低方差。
Q · 知道哪些注意力机制？我会按族谱回答：MHA 是基线，MQA、GQA 和 MLA 主要围绕 KV Cache 做压缩，稀疏注意力降低长文本复杂度，Flash Attention 做算子级优化。
Q · 百川、千问、LLaMA 的位置编码怎么做的？有什么区别？LLaMA 和千问主要采用 RoPE，百川部分版本采用可学习绝对位置编码，核心差别在于相对位置方案更容易配合外推技巧扩展上下文。
Q · 讲讲 Transformer 的结构。Transformer 按数据流由输入嵌入、位置信息、N 层网络和输出层组成；每层用多头自注意力交换信息，用前馈网络变换特征，并用残差连接与归一化保证训练稳定。
Q · LoRA、QLoRA 与全量微调怎么选？资源有限先选 LoRA；单卡或大基座选 QLoRA；只有基座级任务且有多卡集群时才做全量微调，再看任务与基座差距和 Adapter 热切换需求
Q · Agent 评估体系怎么设计？Planning 能力和幻觉率怎么量化？我会分层评估：用任务完成率、步骤效率和工具选择准确率衡量 Planning，用知识库核查、自洽性检查和人工抽样衡量幻觉率，再看端到端成功率、满意度、延迟和 token 成本。
Q · 昇腾芯片和 NVIDIA GPU 有什么区别？昇腾与 NVIDIA GPU 的主要区别在架构、生态和落地场景：前者采用达芬奇架构，主打国产自主与行业信创；后者有更成熟的 CUDA 生态，迁移成本和工具链差距不能忽略。
Q · RAG 和微调怎么选？什么场景该用哪个？知识要更新、要溯源，用 RAG；行为、格式、领域语感不对，用微调；两者不冲突，多数生产系统是先 RAG 后微调。
Q · Agent Skills（技能包）是什么？它和 MCP、提示词是什么关系Skills 把完成一类任务的说明文档、脚本和资源打包成一个文件夹，模型按需读取里面的说明来加载做法。MCP 管工具怎么接进来，Skills 管流程和知识怎么按需装载。