淘天 AI Agent 一面：Function Call 提升与手撕 MHA
淘天集团 · AI Agent 开发一面
岗位：淘天集团 AI Agent 开发 轮次：一面技术面（与站内淘天二面、三面复盘为同系列不同轮次） 一句话定性：一面考「落地细节」：项目数字怎么来的、记忆怎么分的、注意力能不能手写。 素材来源：牛客一手帖（已核实，同作者系列），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 开发 |
| 形式 | 线上一面，项目深挖 + 概念 + 手撕 |
| 有手撕吗 | 有。手写多头注意力（MHA） |
| 考察重心 | 项目数字的归因、Function Call 准确率提升手段、长短期记忆分工 |
| 典型挂点 | 项目效果数字说不清归因；MHA 的头切分写错 |
| 准备方向 | 项目每个数字备好「做了什么、对比基线是什么」 |
1. 项目深挖：Function Call 准确率怎么提的
问法：「你简历写 Function Call 调用成功率提升了 X%，具体做了什么？」
这题的陷阱在数字：说了提升就必须答得出归因。答题骨架：
- 基线：之前准确率多少、怎么统计的（成功调用除以总调用，失败含选错工具、参数错误、超时三类）；
- 手段分层：工具描述重写（功能边界、参数含义、何时不用）是第一杠杆；参数校验加错误回传重试是第二层；高频错误场景做成 SFT 数据微调是第三层；
- 验证：固定评测集回归，确认提升不是抽样波动。
追问链：「为什么先改描述不改模型？」答：描述是零成本的，模型微调有数据量门槛且迭代慢，工程上永远先摘低垂的果实，改完描述还解决不了的场景才值得进训练数据。
2. 概念题：长短期记忆怎么分工
问法：「多轮对话的长短期记忆怎么设计？」
答题要点：短期记忆就是当前窗口内的对话历史，管理动作是 token 预算分配和超限压缩（摘要、截断）；长期记忆是跨会话的持久层，要回答三个问题——什么值得写入（用户偏好、已确认事实、任务状态）、怎么检索（向量加关键词混合）、怎么淘汰（过期、冲突覆盖、容量上限）。两层的衔接：会话结束时的提炼写入，是长期记忆的主要来源。
追问链：「长期记忆写错了怎么纠正？」答：冲突检测（新事实和旧事实矛盾时以时间新者优先并提示）、用户显式纠正通道、定期用模型清理低置信条目。
3. 手撕：多头注意力
实现题，三个得分点：QKV 三个投影矩阵的定义、按头切分（reshape 成 [batch, heads, seq, head_dim] 后各自做注意力再拼接）、scale 除以根号 head_dim。写错最多的两处：忘了除根号（数值不稳 softmax 饱和）、拼接后忘了输出投影。写完能主动分析复杂度 O(n²·d) 是加分项。
4. 复盘与准备清单
- 一面挂点多在项目数字的归因，每个「提升 X%」都备好基线、手段、验证三段。
- 淘天这条线和二面（RAG 深挖 + 训练八股）、三面（RAG 落地难点）连起来是一套完整考法，准备时三轮连着过。
- 手撕出现实现题（MHA）说明算法题之外留了注意力实现的练习预算。
相关题目：站内题库的「LoRA 的秩怎么选」「上下文压缩怎么做」是这场的关联原题。