蚂蚁集团 AI Agent 工程师 - 面试题 & 面经
Q: 金融场景的 Agent 与通用 Agent 在安全性和合规性上有什么特殊要求？
💡 思考逻辑： 蚂蚁是金融科技公司，面试官考察你对金融监管约束的理解深度。
参考答案： 金融 Agent 特殊要求：1）交易不可逆性——Agent 执行金融操作（转账、投资）前必须经过多重确认，不能像通用 Agent 那样'先做再说'，需要 Explicit Confirmation Loop；2）监管合规——投资建议必须带风险提示（《证券投资顾问业务管理办法》），Agent 不能给出确定性收益承诺，输出需经合规过滤器；3）数据安全——金融数据加密存储，Agent 的推理过程不能在日志中暴露用户资产信息，需要脱敏后再记录；4）审计追溯——每笔操作需要完整的决策链路记录，满足银保监会的审计要求；5）反洗钱（AML）——Agent 在执行大额或异常交易前需过反洗钱模型检查；6）可解释性——必须能向用户解释'为什么推荐这个理财产品'，不能黑盒决策。蚂蚁的 agentUniverse 框架就内置了金融合规组件。
Q: agentUniverse 框架的设计理念是什么？与 LangChain 等通用框架的差异化优势在哪？
💡 思考逻辑： 蚂蚁有自己的开源框架，面试官考察你是否了解其技术选型思路。
参考答案： agentUniverse 设计理念：1）面向企业级——不是 demo 级框架，内置生产必需的组件（日志、监控、权限、灰度、回滚），LangChain 更像原型工具；2）多 Agent 协作原生支持——内置了 PEER（Plan-Execute-Express-Review）多 Agent 模式，不需要手写编排逻辑；3）金融领域优化——预置了金融合规检查、风控模型对接、交易确认流程等金融特化组件；4）可观测性——全链路 trace，从用户输入到每个 Agent 的思考过程、工具调用、最终输出都有详细记录；5）沙箱隔离——每个 Agent 在独立沙箱中运行，防止 Agent 间互相干扰。与 LangChain 对比：LangChain 抽象层次高但'胶水代码'多，agentUniverse 更'开箱即用'但生态不如 LangChain 丰富。
Q: 如何用 Agent 技术提升金融风控的实时性和准确率？
💡 思考逻辑： 风控是蚂蚁核心能力，面试官考察你对 Agent 在高可靠性系统中应用的设计。
参考答案： Agent 驱动的风控升级：1）传统风控的局限——规则引擎 + 机器学习模型处理已知模式，但对新型欺诈手法（如 AI 换脸、深度伪造）反应滞后；2）Agent 增强方案——实时风控 Agent 可以做动态信息收集：发现可疑交易时主动查询用户近期行为、设备指纹、IP 地址、社交关系图谱，综合判断而非单一模型打分；3）推理能力——Agent 可以理解复杂的欺诈场景链（'A 给 B 转账 → B 给 C 转账 → C 提现'的资金链分析），传统规则引擎难以覆盖；4）自适应——Agent 可以根据最新的欺诈案例更新自己的判断策略，通过 RAG 检索最新的欺诈模式库；5）人机协同——高风险案例 Agent 做初步分析后推送给风控专家，附带分析报告和建议操作。
Q: 如何设计 Agent 的多轮对话状态管理？如何在百轮对话后仍保持上下文准确性？
💡 思考逻辑： 金融客服对话往往很长，面试官考察你对长对话状态管理的工程化方案。
参考答案： 多轮状态管理方案（LSC架构）：1）L（Local Context）——当前窗口的对话历史，最近 5-10 轮完整保留；2）S（Summary Context）——超出窗口的历史做递进式摘要：每 10 轮生成一次摘要，多次摘要再做二级摘要，信息密度递减但关键事实保留；3）C（Critical Facts Store）——提取对话中的关键事实（用户姓名、诉求、已做操作、承诺事项）存入结构化 KV store，每轮对话时注入 system prompt。百轮对话保持准确的关键：1）Critical Facts 做增量更新而非全量重写，避免信息丢失；2）每轮对话前做 consistency check——当前回复与 Critical Facts 是否矛盾；3）当 Agent 不确定某个历史信息时，主动回问用户确认（'您之前提到想转账 5000 元，是否仍然需要？'），而非猜测。蚂蚁的智能客服单次会话可达 50+ 轮。
Q: 如何构建 Agent 的评测体系？线上线下评测如何协同？
💡 思考逻辑： 蚂蚁对线上稳定性要求极高，面试官考察你对评测体系的全面性。
参考答案： Agent 评测体系设计：1）线下评测——a）单元测试：每个工具调用的输入输出正确性；b）集成测试：端到端 task completion，构建测试用例集（golden set）包含正常流、异常流、边界情况；c）对抗测试：prompt 注入攻击、工具滥用、越权操作等红队测试；d）回归测试：每次改动后跑全量 golden set 防止退化；2）线上评测——a）A/B 测试：对比新旧版本的核心指标；b）影子模式：新版本与线上并行运行，只对比结果不实际执行；c）金丝雀发布：小流量灰度验证；3）持续监控——a）LLM-as-Judge：用 GPT-4 自动评判 Agent 回答质量；b）用户反馈：点赞/踩 + 原因标注；c）异常检测：token 消耗突增、工具调用失败率突增等告警。线上线下协同关键：线下发现的问题补充到 golden set，线上的 bad case 回流到评测集。