阿里 ai agent 开发一面

元数据

作者：逸
分类：面经
抓取时间：2026-07-25T10:16:34Z
原文：[打开小红书笔记](https://www.xiaohongshu.com/search_result/69d3bd6100000000210111cd
互动：355 / 662 / 6

正文

长图内容（视觉重读）

由 AI 视觉重读截图整理，替代原 tesseract OCR 乱码。图 p01–p07 为手机截图的问答长文（阿里 AI Agent 开发一面，时间 2026.3.29），p09–p11 为表情包贴纸。Q6 题面未被截图覆盖（仅存答案结尾"……调度策略"），Q10 答案在截图处截断。

1. Agent 的架构设计？

一个完整的 Agent 一般不是单独一个大模型就能跑起来，核心会拆成几层：最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。做得再工程化一点，通常还会加一个校验层——模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以执行前后都要做参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是"能不能想"，而是"想完之后能不能稳定执行"。

2. RAG 的检索如何实现？

RAG 检索一般分离线和在线两部分。离线侧先做文档清洗、切块、去重、embedding 计算和向量入库；在线侧把用户 query 编码成向量去向量库召回，再结合 BM25 或关键词检索做混合召回，接着用 rerank 模型重排，最后把最相关的证据拼接给大模型生成答案。切块策略很重要：块太大召回不准，块太小上下文容易断裂，通常用滑窗切分保留部分 overlap；长文档还会给每个 chunk 带上标题、章节路径、来源等元信息。最终效果不只看向量检索本身，还取决于 chunk 设计、召回策略和重排质量。（原文附简化版 RAG 检索流程代码：embed(query) → vector_db.search + bm25.search → merge_and_dedup → reranker.rank → 拼接 context）

3. 预训练数据清洗方法？

要解决脏数据、重复数据和低质量数据：脏数据包括乱码、HTML 残留、脚本片段、异常符号、错误编码；重复包括完全重复和近重复；低质量包括广告、无意义灌水、模板文、机器翻译残片、拼接错乱文本。常见做法是先规则清洗（去标签、过滤控制字符、长度约束、语言检测），再质量过滤（困惑度过滤、分类器识别垃圾文本、关键词规则），然后去重（MinHash、SimHash、LSH 这类近重复方法）。真正影响模型上限的很多时候不是模型结构，而是预训练数据质量。

4. 给定一个时间序列，如何通过机器学习的方法建模筛选出重要特征，然后基于规则方法进行建模？

先把原始序列变成可学习的特征：统计特征、趋势特征、波动特征、周期特征和滞后特征，比如均值、方差、最大最小值、移动平均、环比同比、lag 值、rolling window 特征、傅里叶周期特征等。然后用 XGBoost、LightGBM、随机森林这类模型训练，输出特征重要性，把识别出的关键因子整理成多条规则做线上解释。这样既保留了机器学习筛特征的能力，也兼顾了规则系统的稳定和可解释。

5. Agent 工具调用你知道怎么训练吗？训练集应该包含哪些，怎么得到训练的数据集？

训练集至少要覆盖三类样本：该调用工具的、不该调用工具的、需要多工具串并联调用的。只教模型"会调用"不够，还得教它"什么时候不要调""参数怎么补齐""失败后怎么处理"。数据来源一般四种：人工标注轨迹（问题、思考过程、工具选择、参数填写、结果整合成监督样本）；线上日志回放（抽高质量人工操作或已有系统调用链）；规则合成数据（模板生成标准调用样本）；模型自举（强模型生成轨迹，人工抽检修正）。真正关键的是负样本和边界样本——参数缺失、工具返回空、多个工具都可用但优先级不同，这些不补模型上线很容易乱调。

6.（题面未被截图覆盖） 答案仅存结尾"……调度策略"。

7. 你构造数据集遇到过什么难点，怎么解决？

最大的问题一般不是数据不够，而是数据不真实：人工造的数据太标准，用户表达完整、参数给全、工具永远成功，上线后用户一句话没说全模型就不会了。解决方式是把真实线上 query 引进来，按意图、复杂度、缺参情况、歧义情况分桶做针对性补齐。另一个难点是标注一致性——同一种问题不同人可能给出不同工具路径，需要先统一 schema 和决策标准。还有长尾样本太少，要靠模板改写、对抗生成和人工补充边界案例，把最容易出事故的地方优先补上。

8. LoRA 和全参数微调的区别？

LoRA 是在原始权重旁边插入低秩矩阵，只训练少量新增参数，原模型参数通常冻结；全参数微调直接更新模型所有参数。LoRA 优势是显存占用小、训练快、方便多任务切换，适合领域适配、指令跟随、工具调用格式对齐这类场景；全参数微调自由度更大，但代价也更高。

9. DPO、PPO、GRPO？

PPO 是强化学习式对齐方法，通常需要一个 reward model 对模型输出打分，再根据奖励做策略更新——灵活，但训练链路长、超参数敏感、稳定性相对差。DPO 把偏好学习直接写成监督式目标，用 chosen 和 rejected 成对数据直接优化策略，不显式采样长期轨迹也不显式训练 RL policy update，工程上更简单。GRPO 可以看成把偏好从 pair 扩展到 group，利用一组候选之间的相对优劣关系做优化，在排序、多样本比较和组内奖励场景更自然。三者最大区别不只是公式，而是依赖的数据形态、训练稳定性和适用任务范围不一样。

10. kernel 级别的优化，比如用 CUTE DSL 或者手写 CUDA 做 fusion，这类算子融合优化？

kernel 级别优化的核心目标是减少访存开销、减少 kernel launch 次数、提高并行利用率。很多模型推理慢不一定是算力不够，更多是 memory bound……（截图在此截断）