阿里淘天 AI Agent应用开发 二面面经

正文

前段时间学弟面的，记录一下，回忆版
日常实习，去年年底面的
时间：65min左右

1.自我介绍
2.拷打第一个项目：项目里如何解决图文模态对齐问题？如果图纸在文本中没有描述，模型如何通过视觉特征召回？Milvus中使用了哪种索引算法？针对术语的语义偏移，除了混合检索，有没有试过对Embedding模型进行微调或使用Adapter？
3.拷打第二个项目：如果外部测评工具返回的原始数据格式与LLM预期不符，如何实现自动化映射？当向量库检索出的长期画像与当前会话状态有冲突时，你的系统如何应对？如何防止模型回复过度依赖检索内容而变得生硬，影响共情？
4.相比于CoT，ReAct在模型与外部环境交互时解决了什么问题？
5.讲一下大模型进行Function Call的具体流程？如何将语义转化为结构化参数的？
6.在开发中，你怎么判断任务该用Workflow还是自主决策的Agent？
7.讲一下Agent的长短期记忆，在长对话中如何实现上下文的动态压缩和遗忘？
8.在Agent系统中，RAG检索到的外部知识是如何喂给模型并防止干扰的？
9.什么是Rerank？在检索链路中它对Agent的决策准确性有什么影响？
10.当单Agent面对长任务时，引入Multi Agent的优势是什么？
11.Multi Agent中，Router节点是如何决定任务该分发给哪个子Agent的？
12.什么是Human-in-the-loop？在Agent系统中如何设计人工审批断点？
13.如何量化评估一个Agent系统的好坏？
14.除了生成质量，还应该关注哪些维度的指标？
15.对于Agent多步推理带来的延迟问题，有哪些优化方法？
16.随着大模型上下文窗口的扩大，你认为RAG会被完全取代吗？
17.反问
还有个场景题忘了
无手撕

之后可能会整理一份大模型应用开发的高频考点，感兴趣的话可以关注我

#大模型 #互联网大厂 #面经 #面试问题 #人工智能#实习#大模型应用 #面试有秘诀 #Agent #大模型微调

#大模型 #互联网大厂 #面经 #面试问题 #人工智能 #实习 #大模型应用 #面试有秘诀 #Agent #大模型微调

长图内容（视觉重读）

图 p01：封面卡片「阿里淘天 AI Agent应用开发 二面面经」，无额外信息

图 p03 / p04：表情包贴纸，无面经内容

图片

评论摘录

• 😑：第一个问题怎么回答的呢
• 我是瓦子：你应该说的是第二个吧，图文的。 我猜可能是说通过CLIP或者SigLip做图文embedding？
• 小红薯6A62B576：最近也在看这类岗位，二面会更偏场景设计还是落地实现呀？看到这个标题我先紧张了一下
• 程序员小夏。：最后过了没
• 小红薯6A608323：可以可以

我的批注

• 是否对标上海实习主线（Agent 应用/全栈）
• 可迁移到简历/项目的点：
• 待补学：