快手AI Agent开发一面（已过）

给我面没招了，发点面经攒攒人品～1* 详细讲讲你设计的 Agent 是如何实现的？在“推理-行动”循环中，如何设计来纠正逻辑塌缩或无效工具调用？2*MCP与传统 Agent Skills 的区别是什么？如何实现在多智能体环境中动态发现并注册跨协议工具？3* 在电商或导购场景下，用户的请求往往高度模糊，Agent 怎么来精准理解这种需求？4* 如何设计一套“主动澄清”决策逻辑？在什么情况下 Agent 应该反问用户，什么情况下应该结合历史画像强行推断？5* 针对包含 3 个以上工具调用且高频请求的任务，通过什么方式可以压低系统整体的端到端延迟？6* 如何衡量 Agent 的 Planning 能力 vs Hallucination Rate？请列举具体的量化评估指标或自动化评估框架。7* 在多 Agent 协作系统中，不同 Agent 之间的记忆如何实现隔离与共享？如何避免不同工具间的上下文污染？8* Token 过长导致的 Attention 稀释现象为什么会导致 Agent 的指令遵循能力下降？9* 摘要总结往往会丢失关键细节，在长文本 Agent中一般怎么来处理这一块10* 当候选工具超过 100 个时，如何设计路由策略？怎么解决检索过程中的召回偏差？11* 在 Agent 多轮对话任务中，标准 Attention 机制的平方复杂度在工程落地上主要引发了哪些问题？12* 目前有哪些机制可以缓解模型在长上下文对话里的“信息遗忘”现象？当对话论数很多，上下文窗口不够的时候，有哪里处理的策略13* 为什么在复杂的 Agent 闭环场景中，仅靠 RAG 无法彻底解决幻觉问题？14* 面对模型在 Agent 执行过程中出现的循环调用”或陷入思维死循环问题，有哪些解决方式？15* GraphRAG 在处理 Agent 复杂关联查询时的优势在哪里？16* 任务执行远大于单次 Token 限制时，如何设计以支持断点继续生成？17* 设计一个智能导购助手 Agent？描述其感知、规划、记忆和执行四大模块在分布式架构下的协同逻辑。18* 手撕算法： 给定一个正整数 n（如 23121和一组不重复的数字集合 a（如 \{2,4,9\}），求使用 a 中数字组成的、小于 n 的最大整数。要求考虑贪心回退逻辑，处理所有边界情况。

1、RAG 里的幻觉怎么解决？RAG 幻觉一般来自三种情况：没有召回到正确证据、召回到了但排序不对、证据足够但模型还是自己补。解决也要对应分层。第一层是提高文档质量和召回质量，比如切片更合理、用混合检索、做 query rewrite、加 metadata 过滤。第二层是重排层，用 rerank 模型让最相关证据排前面。第三层是生成层，要让模型严格基于证据回答，证据不足就拒答，不允许自由扩写。如果从更抽象的角度看，幻觉问题本质上是“系统回答倾向强于证据约束”。所以真正要解决的是：让系统在信息不足时学会克制，而不是为了流畅性硬编一个完整答案。2、LoRA 微调原理LoRA 是 Low-Rank ...

灵神太强了，写力扣没这么爽过

最近发现一个宝藏开源项目 learn-claude-code，特别适合想入门 AI Agent 开发的同学。这个项目不是教你"怎么用 Claude"，而是带你从零搭建一个类似 Claude Code 的 AI Agent 系统，理解背后的架构原理。 项目地址：https://github.com/shareAI-lab/learn-claude-code  三个核心概念你必须掌握 1. Context Engineering（上下文工程） 确保 Agent 能访问正确的信息。静态知识（AGENTS.md、架构文档）+ 动态数据（日志、CI/CD 状态）共同构成 Agent ...