AI Agent 面试 - 核心概念详解与参考答案

面试高频必考题的完整参考答案，可直接用于准备

一、AI Agent 核心概念

Q1: 什么是 AI Agent？与传统 AI 的区别？

参考答案： AI Agent 是具备自主感知、决策、执行和迭代能力的智能系统。

维度	传统 AI	AI Agent
交互模式	被动响应（输入→输出）	主动规划 + 持续交互
能力边界	固定功能，不能调用外部工具	动态调用工具、API、数据库
决策方式	单次推理	多步推理 + 反思 + 重规划
记忆	无状态或简单上下文	短期 + 长期记忆体系
举例	分类模型返回航班链接	Agent 查询→比价→预订→通知用户

Q2: Agent 的核心组件有哪些？

参考答案：

感知模块（Perception）
- 接收用户输入、环境反馈
- 多模态：文本/语音/图像/传感器
规划模块（Planning）
- 任务分解（Task Decomposition）
- 方法：CoT（链式思考）、ToT（树状思考）、GoT（图状思考）
- 框架：ReAct（推理+行动交替）、Plan-and-Execute（先规划后执行）
记忆模块（Memory）
- 短期记忆：当前对话上下文（In-context Window）
- 长期记忆：向量数据库持久化存储（用户偏好、历史交互）
- 工作记忆：当前任务的中间状态和推理链
工具调用模块（Tool Use）
- Function Calling / MCP 协议调用外部 API
- 搜索引擎、数据库、代码执行器、第三方服务
行动模块（Action）
- 执行具体操作并观察结果
- 根据反馈调整策略（闭环）

Q3: ReAct 框架如何工作？

参考答案： ReAct = Reasoning + Acting，交替执行"思考"与"行动"：

循环：
  1. 观察（Observation）：接收用户输入或上一步结果
  2. 思考（Thought）：LLM 生成推理链，分析当前状态
  3. 行动（Action）：选择并执行工具调用
  4. 观察结果 → 回到步骤 2，直到任务完成

优势：减少幻觉（有真实观察做锚点）、可解释性强（每步有思考过程）劣势：串行执行，多步任务延迟高

Q4: Agent 记忆系统怎么设计？

参考答案：

记忆类型	实现方式	存储内容	生命周期
短期记忆	LLM 上下文窗口	当前对话历史	单次会话
工作记忆	变量/状态机	任务中间结果	单次任务
长期记忆	向量数据库（Milvus/PGVector）	用户偏好、历史摘要	永久

协同机制：

每轮对话结束 → 摘要压缩 → 存入长期记忆
新对话开始 → 从长期记忆检索相关上下文 → 注入短期记忆
关键设计：什么时候压缩、保留什么、丢弃什么

二、RAG 全链路详解

Q5: RAG 完整流程？

参考答案：

离线阶段（知识库构建）：
  文档收集 → 预处理 → 分块（Chunking）→ Embedding → 存入向量数据库

在线阶段（查询响应）：
  用户查询 → Query 改写/扩展 → Embedding → 向量检索（Top-K）
  → 重排序（Rerank）→ 上下文拼接 → LLM 生成 → 返回答案 + 引用

Q6: Chunk 大小怎么确定？

参考答案：

太小（<100 tokens）：语义不完整，检索到碎片
太大（>1000 tokens）：噪声多，相关性被稀释
经验值：256-512 tokens，overlap 50-100 tokens
最佳实践：
- 按语义分块（段落/章节边界）而非固定长度
- 递归分块：先按段落 → 段落太长再按句子
- A/B 测试不同 chunk 大小的检索效果

Q7: 向量召回不准怎么办？

参考答案：

Query 改写：HyDE（生成假设文档再检索）、Multi-Query（多角度改写）
混合检索：向量检索 + BM25 关键词检索，结合两者优势
Rerank：用 Cross-Encoder 模型对 Top-K 结果重排序
Embedding 模型升级：BGE-M3、E5-Mistral 等更强模型
元数据过滤：先按时间/类别缩小范围，再做向量检索
知识图谱辅助：对实体关系类查询用 GraphRAG

Q8: RAG vs 微调怎么选？

参考答案：

维度	RAG	微调
适用场景	知识频繁更新、需要引用来源	学习特定风格/格式、领域深度理解
成本	低（不用训练）	高（需要 GPU + 训练数据）
实时性	好（更新知识库即可）	差（需要重新训练）
幻觉控制	好（有检索依据）	一般（仍可能幻觉）
推荐	优先选 RAG，不够再加微调	两者可以结合使用

Q9: "Lost in the Middle" 问题？

参考答案： LLM 对上下文中间位置的信息关注度最低，开头和结尾最高。

缓解方法：

将最相关的文档放在上下文的开头和结尾
减少检索文档数量，只保留最相关的 3-5 个
使用 Map-Reduce：先对每个文档单独问答，再汇总

三、LoRA / QLoRA

Q10: LoRA 原理？QLoRA 怎么优化显存？

参考答案：

LoRA（Low-Rank Adaptation）：

冻结原始权重 W₀，注入低秩矩阵：W = W₀ + BA
B ∈ R^(d×r)，A ∈ R^(r×k)，r << min(d,k)
只训练 B 和 A，参数量通常只有原模型的 0.01%-1%
优势：训练快、避免灾难性遗忘、可热插拔

QLoRA 进一步优化：

4-bit 量化：将冻结的基础模型从 FP16 量化到 NF4（4-bit NormalFloat）
双重量化：对量化常数也做二次量化，进一步压缩
分页优化器：当 GPU 显存不够时，自动将优化器状态转移到 CPU 内存

效果：QLoRA 可以在单张 24GB 显卡上微调 65B 参数模型

Q11: LoRA 效果不好怎么办？

参考答案：

增大 rank r（从 8 → 16 → 32）
扩大 LoRA 应用层（不只 Q/V，加上 K/O/FFN）
检查训练数据质量和多样性
学习率调整（LoRA 通常需要比全量微调更大的学习率）
考虑 DoRA（Weight-Decomposed LoRA）或 rsLoRA

四、RLHF / DPO / GRPO

Q12: RLHF 三阶段详解？

参考答案：

阶段 1：SFT（有监督微调）

用高质量人工标注的指令-回答对微调基座模型
让模型学会遵循指令

阶段 2：奖励模型训练（RM）

人类标注者对模型生成的多个回答进行排序
训练一个判别模型预测人类偏好分数
损失函数：Bradley-Terry 模型 → 最大化 chosen 与 rejected 的分数差

阶段 3：PPO 强化学习

将 SFT 模型作为策略（policy）
奖励 = RM 分数 - β × KL散度（防止偏离 SFT 太远）
迭代优化策略，最大化期望奖励

Q13: DPO 与 RLHF 的区别？

参考答案：

维度	RLHF (PPO)	DPO
是否需要 RM	需要单独训练	不需要
训练稳定性	不稳定，超参敏感	稳定，类似 SFT
实现复杂度	高（RM + PPO）	低（直接优化）
计算成本	高	低
核心思想	先训 RM 再用 RL 优化策略	数学上将 RM 和策略优化合并为一个损失函数

DPO 损失函数直觉：直接让模型增大 chosen 回答的概率，减小 rejected 的概率。

Q14: DeepSeek 的 GRPO？

参考答案： GRPO（Group Relative Policy Optimization）：

去掉 Critic 模型（PPO 需要 Critic，增加计算量）
对同一个 prompt 采样一组回答（Group），用组内相对排名作为优势函数
奖励 = 组内回答的相对好坏，而非绝对分数
优势：减少一半模型参数需求，训练效率更高
DeepSeek R1 用 GRPO 训练出了强大的推理能力

五、MCP vs A2A 协议（新热点！）

Q15: MCP 和 A2A 的区别？

参考答案：

维度	MCP（Model Context Protocol）	A2A（Agent-to-Agent）
发起者	Anthropic（2024.11）	Google（2025.04）
解决什么	Agent 如何调用外部工具/数据	Agent 之间如何通信协作
方向	纵向：Agent ↔ 工具	横向：Agent ↔ Agent
类比	USB-C 接口（连接设备和外设）	HTTP 协议（设备间通信）
协议基础	JSON-RPC 2.0	JSON-RPC 2.0 over HTTPS
核心特性	工具发现、函数调用标准化	Agent Card（能力描述）、任务委托

关键面试答案：MCP 和 A2A 是互补关系，不是竞争关系。

MCP 让 Agent 有能力（调工具）
A2A 让 Agent 会协作（跨 Agent 通信）
一个完整的多 Agent 系统两者都需要

举例：

库存 Agent 通过 MCP 查询数据库发现库存不足
库存 Agent 通过 A2A 通知采购 Agent 下单补货
采购 Agent 通过 MCP 调用供应商 API 完成采购

六、系统设计类

Q16: 高并发 Agent 系统怎么设计？

参考答案：

用户请求 → 负载均衡（Nginx/K8s Ingress）
         → 请求队列（Kafka/RabbitMQ）
         → Agent 服务集群
              ├── 语义缓存层（相似 query 直接返回）
              ├── LLM 推理层（vLLM/TGI，Continuous Batching）
              ├── 向量检索层（Milvus 集群）
              └── 工具调用层（异步执行 + 超时控制）
         → 流式返回（SSE/WebSocket）

关键优化点：