AI agent应用开发一面面经 阿里

还是太菜了，下去沉淀一下
1.实习拷打
2.拷打第一个项目：在多模态Embedding时，你如何平衡文本语义和图像视觉特征在计算相似度时的权重？如果用户搜的是图纸里的某个特定参数，但向量召回了一堆外观相似的零件图，你觉得是什么出了问题？Ragas的Context Precision如果很低，你怎么优化？
3.拷打第二个项目：你的向量记忆库是如何做去重？如果用户反复说同一件事，你会重复存储还是进行语义合并？使用MCP接入多个测评工具时，如果两个工具对同一个问题回答格式不统一，怎么处理？
4.当用户提问很含糊时，你的Agent是直接检索知识库，还是先进行反问确认？
5.如果Agent发现调用的工具报错，如何设计Prompt引导它用报错信息进行重试，而不是直接报错给用户？
6.在长对话中，除了截断，你了解哪些更高效的上下文压缩方法？
7.在一个多Agent系统里，由LLM做Router分发任务和由固定规则分发相比，各有什么优劣？
8.在Milvus里，你如何实现BM25和向量检索分数对齐？
9.如果限定只检索某个时间之后的数据，向量数据库里如何实现标量过滤？
10.了解LoRA微调吗？在训练LoRA时，两个参数矩阵分别是如何初始化的？
11.讲讲QLoRA的核心思想
12.如果你微调的是逻辑推理任务，相比于对话任务，你认为秩应该大还是小？
13.在推理阶段，为了消除LoRA带来的额外延迟，你会进行权重Merge吗？
14.在垂域指令微调时，如果模型原本的通用能力下降，你有哪些方法解决？
16.DPO在训练时，为什么不需要像PPO那样在线采样生成回答？DPO数据格式是什么样的？
17.如果并发调用10个不同的Embedding接口，asyncio.gather相比多线程在资源消耗上有什么优势？
18.手撕：合并K个升序链表