AgentAlpha · 面试间← 返回主站

公司题库 · 网易

网易大模型 Agent 面试题

游戏 AI（伏羲）与有道教育场景，Agent 业务落地与内容生成的结合题多。

题目口径：来自 网易、网易有道、伏羲 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 的上下文窗口不够用怎么办？四板斧：裁剪（丢旧留新）、压缩（长文摘要化）、外置（状态写进存储按需取回）、分流（子任务拆给独立上下文）。目标是让窗口只装当前决策需要的信息。
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 · 业界说的 Agent Harness 是什么？为什么同一个模型换个框架效果差很多Harness 是模型外面那套工程框架：循环控制、上下文管理、工具执行、权限和日志。模型只负责决定下一步，剩下的都由 harness 决定，所以它直接决定效果上限。
Q · 企业知识库 RAG 落地最常见的坑是什么？大头不在算法在数据：文档解析质量差、数据陈旧没版本、权限没接住；其次是把 demo 效果当上线预期。顺序上先修数据工程，再谈模型优化。
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 · 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 · 多模态检索的评估指标 Recall@K 和 mAP 是什么？Recall@K 衡量真实匹配项是否进入前 K 名，是检索主指标。mAP 即平均精度均值，反映整体排序质量。多模态需双向分别计算。
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 召回错了怎么处理？解决 RAG 召回错误要先定位再处理。用分层指标排查切分、Embedding 或重排。针对语义切断、表述不一致和专有名词失配，分别用语义边界切分、查询改写和补关键词检索解决，最后回收坏案进评测集。
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 · 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 · 搜索推荐广告的多跳问题，怎么构建可验证的证据链？核心是拆解多跳问题进行多轮检索。每跳生成子查询，带上前一跳结论作上下文。记录每跳来源形成证据链，确保中间结论能回溯到具体片段，遇弱证据标注不确定性。
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 · 推荐系统和 LLM 怎么结合？从召回和精排说。召回用 LLM 理解和改写 query，结合 embedding 语义召回与知识增强协同过滤找候选；精排用它建模用户兴趣、增强特征交叉语义，并用推荐理由辅助打分，落到短视频就是内容理解和个性化增强。
Q · Embedding 维度怎么选？维度高低各有什么影响？维度先跟随基座模型输出，再按召回效果和成本曲线找拐点；高维表达力强但更耗资源，低维省资源但语义更容易挤在一起。
Q · 推荐系统引入 LLM 做 User Profiling，可行性和挑战是什么？可行的方案是把行为序列转成自然语言，让 LLM 生成可解释的画像摘要，再和 embedding 画像混合使用，同时按用户活跃度分配成本，并处理时效和隐私问题。
Q · 如何用 Agent 做视频内容安全审核？和规则审核怎么协作？用规则引擎和分类模型先快速过滤明确违规，再让多模态 Agent 理解灰度内容并输出推理链，不确定时交给人工；Agent 延迟高，只适合非实时审核。
Q · 如何设计符合个保法和等保要求的 Agent 系统？把个保法要求落实到最小必要采集、敏感信息单独同意、级联删除和出境合规，把等保要求落实到分级分类、审计留存及传输存储加密，并通过脱敏、字段级权限和动作前检查约束 Agent。
Q · Agent 的工具调用安全审计链路怎么设计？怎么防高危操作？记录每次工具调用的主体、时间、工具、参数、结果和指令依据，写入不可篡改日志并支持回放；按动作风险分级，收紧权限，校验参数，异常时告警，不可逆操作必须人工确认。
Q · 为什么引入父子索引和 BM25？怎么和向量检索融合？父子索引用小块向量匹配保精度，命中后取完整父块补齐语义；BM25补专名、型号、代码标识，再把两路召回取并集，用RRF或加权融合排序，最后重排精排。
Q · Rerank 的 TopK 怎么截断？截断策略怎么影响延迟和准确率？Rerank 的 TopK 要同时看上下文预算、噪声代价和延迟，优先用分数阈值自适应截断，并持续监控 rerank 后的分布漂移。
Q · 为什么不用 Milvus 或 Elasticsearch？向量库选型怎么解释？我会按数据规模、QPS、检索方式、运维能力和一致性要求选型；当前规模用 pgvector 加 BM25 足够，规模上来再迁移 Milvus。
Q · Agent 调用外部工具的安全边界怎么划？先按工具风险分级，再把权限和确认机制下沉到工具层：查询限频，可逆写自动执行并审计，不可逆操作必须人工确认，同时做白名单、参数校验、沙箱隔离和审计留痕。
Q · MMOE 和 PLE 的区别？MMOE 让多个任务共享专家并由各自门控组合，PLE 把任务独占专家和共享专家分开，通过渐进式分离路由减少任务冲突与负迁移。
Q · 工具调用怎么做安全控制？怎么防 Prompt 注入？工具调用要做输入、执行、输出三层控制，检索内容默认不可信，工具按白名单和参数校验执行，高危动作人工确认，并用最小权限兜底。
Q · AUC 的两种计算方法，写出公式。AUC 有两种常见计算方法：按正负样本对的排序概率计算，或按分数降序绘制 ROC 曲线后计算曲线下面积。
Q · 模型要经过哪些离线验证才能上线？先比 AUC/GAUC 和 baseline，再查分人群与流量切片的公平性、稳定性，回放历史流量做模拟打分，最后小流量 A/B 并分阶段放量。
Q · 召回的双塔结构是什么？ANN 索引怎么建？双塔分别编码用户和物品，离线预计算物品向量，线上用用户向量与 ANN 索引做内积或余弦召回；索引可选 HNSW 或 IVF，训练用 in-batch 负采和难例挖掘。
Q · DIN 的注意力机制起什么作用？为什么换 softmax 效果变差？DIN 根据候选商品为历史行为动态分配权重，激活相关兴趣；softmax 强制兴趣相互竞争，会破坏多兴趣并存。
Q · 新数据集训练后，其他领域能力下降了怎么办？我会把问题按防和治处理：训练前混入通用数据并设计配比，训练中降低参数扰动，训练后用通用回归集对比定位并及时回退。
Q · 游戏里给 NPC 加大模型驱动的智能对话，技术上怎么设计？要注意什么坑？架构是设定库加大模型加安全层：角色卡固化人设、世界观知识库约束事实边界、状态机管理剧情进度；坑在延迟破坏沉浸、成本随玩家数爆炸、角色出戏和内容安全。
Q · 用 AIGC 生成游戏美术资产（贴图、立绘、场景概念图）的管线怎么搭？质量控制怎么做？管线是风格锚定、批量生成、自动筛查、人工精修、资产入库五步；质量控制的核心是风格一致性约束和分层质检，AIGC 提效在概念和中间稿阶段，终稿仍靠美术。
Q · 大模型时代的机器翻译和传统 NMT 有什么区别？词典翻译产品怎么融合大模型？传统 NMT 逐句翻译快而稳，大模型翻译带上下文和文体控制但慢而贵；产品融合是术语库和翻译记忆约束大模型输出、简单句走 NMT、难句和润色走大模型的双引擎架构。
Q · 音乐推荐系统怎么和大模型结合？传统推荐和大模型各自的边界在哪？传统推荐负责大规模实时召回排序，大模型负责语义理解层：歌单理解、会话式推荐、推荐理由生成；两者是分层协作不是替代，大模型不能碰实时链路。
Q · 游戏里的 UGC 内容（玩家昵称、聊天、自定义内容）审核怎么做大模型化升级？传统方案是词库加分类模型快而糙，大模型补语境理解；架构是三层漏斗：规则层毫秒拦截、传统模型层秒内分级、大模型层只处理灰度案例，加上游戏特有的人机对抗和未成年保护。
Q · AI 教育产品的个性化学习（因材施教）技术上怎么做？和大模型结合的正确姿势是什么？核心是学习者建模加内容知识图谱加推荐引擎三件套，大模型补齐讲解生成和对话辅导；红线是答案直给变辅导、错误诊断要可解释、教育内容的事实准确性零容忍。
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 · Embedding 模型怎么选？看哪些指标？五个维度：中文/多语能力、检索精度（看 C-MTEB 这类榜单）、最大输入长度、推理成本、能否私有化部署；选定后用自己的数据建评测集复测，别只信榜单。
Q · Embedding 模型是怎么训练出来的？对比学习在做什么？Embedding 训练的核心是对比学习，通过 InfoNCE 损失函数拉近正样本、推远负样本，现代做法高度依赖 In-batch 负例与 BM25 挖掘的难负例来构建训练信号。
Q · 文档没有标题层级时，分块怎么切？切完剩下的碎块怎么处理？遇到无结构文本，按段落、句子、固定窗口或语义相似度骤降点依次降级切分。尾部碎块通常向前合并或交由父子索引处理，保证语义自洽，不强求等长。
Q · 知识库到千万级文档，为什么只调向量库参数救不了召回？千万级规模下相似内容海量增加，向量区分度被稀释，单靠调参解决不了干扰项暴增的问题，必须通过检索架构升级、数据治理和模型调优来应对。
Q · 把内部文档接进 RAG，文档权限怎么带进检索链路？核心原则是权限过滤必须发生在检索阶段之前或之中。通过给 Chunk 附加权限元数据或按权限域隔离物理分区，检索时传入用户身份在引擎做标量过滤，并在生成侧做好引用脱敏兜底。