面试官没有让他背概念，而是一直追着项目问：为什么这样设计？效果提升了多少？数据怎么测的？到底有多少人用？出错了怎么办？
只答“混合检索效果更好”“多 Agent 可以分工”，基本撑不过两轮追问。
本次面经问题：
- 一、为什么用 ES + BM25 混合检索？优化了多少，怎么测的，有多少人用？
- 二、需求文档和代码文件通常很大，怎么保证检索正确？怎么判断对错？
- 三、为什么要分成三层记忆？
- 四、说说记忆设计，怎么保证长期记忆和外部记忆是正确的？
- 五、Plan-and-Execute 基于 DAG 拓扑排序，说说你的设计
- 六、Planner、Worker、Reviewer 的边界怎么设计？挂载的工具一样吗？
- 七、如果子 Agent 还能调用子 Agent，怎么保证不会挤爆 Token？
- 八、基模是什么？多个 Agent 的 system、user、assistant、tool 消息怎么编排，怎么保证不乱序？
- 九、接入了几个工具？都是本地的，还是 MCP？
- 十、DOM 网页内容很大，怎么保证不撑爆上下文？
- 十一、Transformer 的 QKV 和多头注意力机制
- 十二、算法题：最大无重复子串
大家可以感受一下 难度如何？
这些文档
这位录友在分享面经的时候，有的问题没有给出对应问题的回答，我又做了适当补充。
一、为什么用 ES + BM25 混合检索？优化了多少，怎么测的，有多少人用？
我先纠正一下，简历里写“ES + BM25”不太严谨。我们实际是用 ES 同时做BM25 关键词召回和向量召回，再通过 RRF 融合结果。
因为我们搜的是需求文档和代码。函数名、错误码这类精确词，BM25 更准；用户的自然语言和代码实现经常不是同一种表达，比如用户说“清理失效书籍”，代码里可能叫removeInvalidItems，这种向量检索更容易召回。两路刚好互补。
我们用 620 条真实 Query 做了标注，420 条调参数，200 条作为独立测试集。测试集上，BM25 的 Recall@10 是 73.5%，向量检索是 78.0%，混合检索提升到 86.5%。P95 延迟从 118 毫秒增加到 189 毫秒，业务上可以接受。
当时还只是团队内测，激活用户 74 人，稳定周活约 41 人。检索结果的直接采用率从 52.8% 提升到 64.6%。样本量不算大，所以我当时只把它定义为内测阶段有效，没有包装成大规模线上结论。
混合检索与RRF融合
二、需求文档和代码文件通常很大，怎么保证检索正确？怎么判断对错？
最早我们按固定 Token 切分，确实会把函数签名和函数体切开。后来需求文档按标题和段落切，代码按 AST 切到类和方法，每个 Chunk 都保留文件路径、符号、分支和 commit 等元数据。
检索采用“小块命中，大块返回”。先召回小 Chunk，RRF 合并后取 Top 30，再 Rerank 到 Top 6；放进上下文时，通过parent_id补回完整函数或需求章节，避免只拿到几行残缺代码。
正确性分两层判断。检索层看标准文件或代码片段是否出现在 Top-K，用 Recall@K、MRR 评估；任务层看 Agent 最后改的文件是否正确、测试是否通过，再加人工验收。
另外会按repo、branch、commit_id、权限做硬过滤，每段证据都带路径和行号。这样 Reviewer 能反查来源，不会只根据一段没有出处的摘要改代码。
三、为什么要分成三层记忆？
我们分三层不是为了把架构画得复杂，而是三类信息的生命周期、可信度和读取方式不一样。
第一层是工作记忆，放当前目标、DAG 状态和最近的工具结果，任务结束后就压缩或清理。第二层是长期记忆，放用户偏好、仓库约定和历史经验，按需检索。第三层是外部知识，也就是需求平台、代码仓库和接口文档里的实时事实。
如果都混在一起，一方面会浪费 Token，另一方面模型容易把历史推断当成当前事实。三层冲突时，以当前外部事实为准。
比如长期记忆里是 JDK 17，但当前分支的pom.xml已经升级到 JDK 21，那最终就以当前代码为准，同时把旧记忆标成过期。
四、说说记忆设计，怎么保证长期记忆和外部记忆是正确的？
我不敢说记忆能百分之百正确，主要从写入、读取和追溯三步控制风险。
写入时不保存全部聊天，而是抽取结构化 Memory Item，带来源、时间、作用域、置信度和证据。只有用户确认过的事实或工具验证过的结论才能进入长期记忆，模型自己的一次推断不会直接写入。
读取时先按用户、仓库、分支做硬过滤，再进行语义召回和 Rerank。带时效性的内容在使用前还要重新查外部系统；新旧记忆冲突时保留版本，把旧内容标记为过期。
每次决策都会记录使用了哪条记忆和哪个证据。出了 bad case，可以判断是记忆过期、召回错误，还是模型判断错误。长期记忆只能作为线索，关键事实仍以当前代码和需求版本为准。
五、Plan-and-Execute 基于 DAG 拓扑排序，说说你的设计
Planner 输出的不是自然语言步骤，而是结构化 DAG。每个节点包含任务目标、依赖、输入输出、可用工具、Token 预算和超时时间。
比如一次代码修改，会拆成读取需求、检索代码、分析影响、生成 Patch、测试和 Review。没有依赖的检索任务可以并行，生成 Patch 必须等需求和代码分析都完成。
执行前会检查节点是否重复、依赖是否存在、图里有没有环。调度器用 Kahn 拓扑排序，把入度为 0 的节点放进 ready queue；节点状态和产物都会做 checkpoint，失败后不用全部重跑。
如果执行中发现计划有问题，就把异常返回 Planner，只重规划受影响的子图。Plan-and-Execute 不等于 DAG，DAG 只是我们把计划工程化、可并行和可恢复的一种方式。
Plan-and-Execute执行流程
六、Planner、Worker、Reviewer 的边界怎么设计？挂载的工具一样吗？
三者挂载的工具不一样，我是按职责做最小权限。简单说就是：Planner 对计划负责，Worker 对产物负责，Reviewer 对验收负责。
Planner 只看用户目标、仓库概要和工具说明，负责生成 DAG，不能直接改文件。Worker 只完成单个节点，检索 Worker 只有只读工具，代码 Worker 才有工作区写入权限。
Reviewer 可以读需求、看 Diff、跑测试和静态检查，但原则上不能直接修改代码。发现问题后，它把结构化 Review 结果退回 Worker，避免自己修改再自己判通过。
这些权限不是只写在 Prompt 里，而是在 Tool Gateway 按角色和任务范围鉴权。即使 Reviewer 生成了写文件调用，执行层也会拒绝。
七、如果子 Agent 还能调用子 Agent，怎么保证不会挤爆 Token？
这个不能只靠 Prompt 提醒。我们默认禁止任意递归，只有指定节点能创建子 Agent，而且最大深度是 2。整个任务有全局 Token 预算，父 Agent 派生子任务时必须从自己的剩余额度里分配。
预算会预留主流程、Worker 和 Reviewer 的份额，避免 Worker 把 Token 全部用完，最后没有资源验收。除了输入输出 Token，还会限制工具返回大小、调用次数和执行时间。
父 Agent 只给子 Agent 最小任务包，包括目标、必要证据、工具和输出 Schema，不复制完整聊天记录。子 Agent 也只返回摘要、关键证据和 Artifact ID，不回传全部执行轨迹。
工具结果默认分页截断，预算到 70% 后禁止继续派生，接近上限时强制收束。另外任务会记录祖先链，避免 A 调 B、B 又调 A 的递归环。
Token预算控制状态机
八、基模是什么？多个 Agent 的 system、user、assistant、tool 消息怎么编排，怎么保证不乱序？
主模型是私有部署的 Qwen2.5-72B-Instruct，通过 vLLM 提供接口。Planner 和 Reviewer 用 72B，检索改写、摘要这类简单 Worker 会路由到 14B，降低成本和延迟。
每个 Agent 都有独立 thread，不会把所有消息混进一个数组。System Prompt 包含全局安全规则和角色边界，具体任务作为 user message；assistant 发起带tool_call_id的调用，执行器再返回对应的 tool message。
并行 Agent 的事件都会带run_id、task_id、agent_id、seq_no、parent_event_id。单个 Agent 内按 seq_no 保序，跨 Agent 按 DAG 依赖和 parent_event_id 判断因果关系，不按谁先返回就直接拼接。
子 Agent 完成后只返回结构化结果、状态和证据引用，不把完整的 system、assistant、tool 历史塞回主 Agent。这样既避免消息乱序，也防止不同角色的上下文互相污染。
九、接入了几个工具？都是本地的，还是 MCP？
当时一共给模型暴露了 11 个工具。7 个是本地工具，包括文件读取、关键词搜索、符号查询、Git Diff、Patch 和沙箱测试；另外 4 个通过 MCP 接入需求文档、代码评审、Issue 和内部知识库。
MCP 只是接入协议，不代表工具一定在远端。我们的 MCP 里有 1 个本地 stdio Server，另外 3 个走内网 Streamable HTTP。
这些工具不会全部挂给每个 Agent。Planner 只看工具摘要，Worker 根据任务拿 3 到 5 个工具，Reviewer 只有只读和检查工具。这样既节省工具 Schema 的 Token，也减少选错工具和越权调用。
十、DOM 网页内容很大，怎么保证不撑爆上下文？
我们不会把原始 HTML 直接放进上下文。页面抓取后先删除 script、style、广告、隐藏节点和重复导航，正文页面用 Readability 提取主体，操作页面只保留可交互元素。
保留下来的 DOM 会简化成node_id、role、name、state这样的结构，再按 section、table、form 分块。Agent 先看到页面概要，需要哪一块再局部读取。
工具单次最多返回 4K Token，单页累计最多 12K，超过就分页。连续操作时只传当前 viewport 和发生变化的节点，不重复发送整页。
每次注入前还会估算 Token，超出预算就先检索或摘要。动态页面优先读取可访问性树或合规的结构化接口，不从几万行 DOM 里直接猜状态。
十一、Transformer 的 QKV 和多头注意力机制
输入 Token 的表示是X，分别乘三个可学习矩阵得到 Q、K、V。Q 表示当前 Token 想找什么，K 用来和 Q 计算匹配度，V 是匹配后真正被聚合的内容。
计算过程是softmax(QK^T / sqrt(dk))V。除以sqrt(dk)是为了避免维度增大后点积过大，导致 Softmax 过于尖锐。
多头注意力会把隐藏维度投影到多个子空间，每个头独立计算注意力，可以学习不同类型的关系。最后把各头结果拼接，再通过Wo投影回模型维度。它在序列长度上的主要瓶颈仍然是 O(n²)。
Self-Attention QKV流程
十二、算法题：最大无重复子串
我的思路是滑动窗口：右指针遍历字符串，哈希表记录每个字符上次出现的位置。如果字符在当前窗口内重复，就把左边界移动到上次位置的下一位。
每个字符最多被右指针访问一次，左边界只向右，所以时间复杂度 O(n)，空间复杂度 O(字符集大小)。
def length_of_longest_substring(s: str) -> int: last = {} left = 0 ans = 0 for right, ch in enumerate(s): if ch in last: left = max(left, last[ch] + 1) last[ch] = right ans = max(ans, right - left + 1) return ans这里left一定要取 max。比如abba最后遍历到a时，它上次出现的位置已经在窗口外，左边界不能往回走。空字符串返回 0，全部相同字符返回 1。
这场一面真正卡人的地方
这场面试的题目并不偏。
RAG、多 Agent、记忆、MCP、Transformer、滑动窗口，都是常见内容。难的是面试官把每个项目名词都往下追了三层：
为什么做 → 怎么实现 → 怎么证明有效。
回答时有三个动作很加分：
第一，发现术语不严谨就主动纠正。比如“ES + BM25”应该说成“ES 中的向量召回 + BM25 关键词召回”。
第二，别只报最好看的数字。把测试集怎么来、指标怎么定义、延迟代价和用户规模一起说出来。
第三，少说“保证正确”“绝对不会爆”。真实系统很少有这种保证。更像工程师的说法是：我在哪些环节降低风险，触发什么阈值以后如何降级，出了错能不能追溯。
把自己的项目说真、说细、说闭环，才扛得住追问。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
