阿里淘天 AI Agent 岗：三场面试的追问全记录
淘天集团 AI Agent 方向（应用开发线）
岗位：淘天集团 AI Agent 方向（应用开发线） 轮次：一面至三面，二面 13 问为主记录 一句话定性：这是一场「简历驱动」面试，你的项目写什么它挖什么，RAG 只在你简历里写了才被问。 素材时间线：2026 年 3 月至 7 月的多场阿里系 Agent 岗面试，整理时间 2026-09-28
0. 一分钟速览
| 项目 | 内容 |
|---|---|
| 公司 / 岗位 | 阿里巴巴 · 淘天 AI Agent 方向 |
| 形式 | 线上技术面，一面偏基础与通信，二面深挖项目，三面考架构判断 |
| 有手撕吗 | 有。编辑距离、手写多头注意力都出现过 |
| 有八股吗 | 有。训练侧八股密度明显高于字节，LoRA、DPO、SFT 问到公式 |
| 考察重心 | RAG 项目细节、评估指标、微调原理、推荐系统迁移能力 |
| 难度感受 | 二面最难，13 问基本不给喘息；面试官会交叉验证前后回答 |
| 准备方向 | 简历上每个项目准备四层追问：架构、错误处理、优化、边界 |
1. 面试流程与时间分配
流程：自我介绍 → RAG 项目四连深挖 → 评估指标 → 训练侧八股 → 交叉题（推荐 / SQL / 手撕）→ 反问
| 环节 | 时长 | 面试官在听什么 | 常见失分点 |
|---|---|---|---|
| 项目深挖 | 20 min | 架构说得出分层，错误处理有真实案例 | 只讲「用了 LangChain 搭了一套」 |
| 评估指标 | 10 min | 有没有分层评估的框架感 | 只答「看准确率、看用户反馈」 |
| 训练侧八股 | 15 min | LoRA、DPO 能不能落到公式和数值 | 背结论说不出机制 |
| 交叉题 | 10 min | 岗位匹配度（推荐背景会被问推荐模型） | 认为「我是来面 Agent 的，为什么问推荐」 |
| 手撕 | 10 min | 编辑距离这类经典 DP | 状态转移写错边界 |
2. 追问机制：RAG 四连
淘天二面对 RAG 项目的追问链是固定四连：
- 架构：「你的 RAG 架构是什么？分几层？」
- 错误处理：「召回错了怎么处理？」
- 优化：「漏召怎么优化？」
- 评估：「怎么知道你优化有效？」
四连的每一环都可能再往下挖。比如「漏召怎么优化」之后会接「你说的查询改写，改写错了怎么办」。准备方式是把这四连在自己项目上完整过一遍，每环准备一个真实发生的 case。
3. 一面：通信与基础
3.1 WebSocket 和 SSE 的区别及局限
问法：「说说 WebSocket 和 SSE 通信的区别，各自的局限是什么？」
答题要点：WebSocket 是全双工长连接，双向都能推，适合协作编辑、实时对话这类双方都要主动发消息的场景；SSE 是服务器单向推流的 HTTP 长连接，实现简单、自带断线重连，适合大模型逐 token 流式输出。局限各说一条：WebSocket 连接状态要自己管理（心跳、重连、网关超时），SSE 只能服务器到客户端、HTTP/1.1 下有连接数限制。追问「流式输出为什么主流用 SSE」，答请求响应模型不用改，客户端只发一次请求。
3.2 图数据库增强向量检索
问法：「什么场景下你会选择用图数据库来增强传统的向量检索？」
答题要点：向量检索擅长「语义相近」，不擅长「多跳关系」。当问题需要沿着实体关系走多步（比如「这个供应商的下级经销商里谁有资质」），纯向量召回会把每一跳都变成猜测，图数据库的遍历是精确的。合理的组合是图管结构化关系、向量管语义入口，先向量定位实体、再图上扩展。追问：「引入图之后增量更新怎么做」，答实体节点和边的变更要设计成事件驱动，别全量重建。
4. 二面：RAG 深挖 + 训练侧八股（13 问）
4.1 RAG 评估指标（必考）
问法：「如何评估 RAG 系统的效果？有哪些评估指标？」
答题要点分两层。检索层：Hit@K 看该召回的有没有在前 K 条里，MRR 看正确内容排多前。生成层：忠实度（答案每句话有没有检索内容做依据）、答案相关性、上下文召回率，RAGAs 这类框架可以直接用。落点放在「离线指标只在业务数据上跑才有意义，线上看解决率和转人工率」。
坑：只答「人工抽查」或「看用户反馈」。面试官会直接反问：用户投诉到达时错误答案已经伤害多少人了。
4.2 LoRA 低秩分解
问法：「讲讲 LoRA 的原理，低秩分解为什么有效？」
答题要点：微调时的权重更新量 ΔW 是低秩的，LoRA 用两个小矩阵 B（d×r）和 A（r×d）的乘积近似它，r 远小于 d，可训练参数量骤降。追问两个常见方向：秩怎么选（8 到 64 之间按任务试，越大表达能力越强也越容易过拟合）；B 用零初始化、A 随机初始化，保证训练起点和原模型等价。
4.3 DPO 为什么输出会变长
问法：「DPO 训练后模型输出变长，什么原因？」
答题要点：偏好数据里被选中的回答普遍更长，DPO 直接对着偏好对优化，长度本身成了可利用的信号，模型学会「写长一点更容易被选」。缓解：偏好对构造时控制长度均衡，或在奖励里加长度惩罚项。
4.4 复读机现象与 SFT 后遗忘
问法：「模型出现复读机现象怎么解释？」「SFT 之后通用能力下降怎么办？」
复读机：训练数据里存在重复模式、解码温度低、重复惩罚项缺失共同作用；处理从数据去重和解码参数两端入手。SFT 遗忘：专用数据分布太窄，混入通用数据按比例配比，或改用 LoRA 这类参数高效方式降低对基座的扰动。
4.5 交叉题：推荐模型 + SQL + 手撕
推荐算法背景的候选人会被问 Wide&Deep 和 DIN 的结构差异（宽部分记忆、深部分泛化，DIN 用注意力对用户行为做目标相关加权）。SQL 手写去重查询。手撕题是编辑距离（LeetCode 72），经典二维 DP，注意边界条件。另一场阿里线的手撕是手写多头注意力的 causal mask 部分。
5. 三面：RAG 落地的难点判断
问法：「实际落地中，你觉得 RAG 最难的地方在哪里？」
这是三面的定调题，答得好坏直接决定面试官对候选人层级的判断。答题框架按三块展开：
- 文档预处理：PDF 表格、双栏排版解析成乱码，垃圾进垃圾出，生产系统的预处理代码量常超过 RAG 核心逻辑；
- 检索质量调优：召回不准的原因分散在 Chunking、Embedding、Query 改写多个环节，定位靠分层指标而不是猜；
- 效果评估：没有评估体系，所有优化都是盲调。
坑：只答「Embedding 选型」。那是其中一个点，面试官要的是分层说清楚难在哪的能力。
6. 复盘与准备清单
- 简历驱动的深挖是阿里系的特点：写上去的每个项目都要备好四层追问，没做深的别写。
- 训练侧八股比字节重：LoRA、DPO、SFT 要能落到公式和初始化细节，准备深度参考训练与微调分类的题库。
- 推荐背景是加分项也是考点：淘天的 Agent 岗大量和推荐、搜广投结合，Wide&Deep、DIN 这类基础要捡起来。
- 阿里云的 Agent 实习线（后端方向）另有一场「23 问追问链」的考法：从什么是 Agent 一路问到工具调用失败兜底与上下文工程，追问风格和淘天一致，可以对照准备。
相关题目：站内题库的「RAG 怎么评估」「LoRA 的秩怎么选」「DPO 和 PPO 的区别」都对应这场面试的原题。