面灵AI→

阿里一面 45 问:Agent 中断恢复、Skill 的生产与进化、分布式事务

轮次
一面
时间
2026-09
来源
牛客网

《面试题目》

项目与中断恢复

  1. 讲一讲你的实习项目,重点讲项目里遇到的难点以及怎么解决。
  2. 你的恢复是 graph 的恢复,而不是 agent 的 session 恢复,是吗?
  3. 在做中断恢复的过程中,你做了哪些事情来保持记忆连续?
  4. 这个 graph 是你们自己实现的吗?
  5. graph 其实是一段代码逻辑,里面中间节点会有 Agent 调用,对吗?
  6. 中断恢复其实都是代码逻辑,不会影响 Agent,是吗?
  7. 假设整个流程是一个 Agent 的 skill 去执行,需要等待用户、用户可能一小时甚至一天不操作,这个 Agent 应该怎么设计?
  8. 你有没有了解过字节或一些开源 Agent 对中断和恢复是怎么做的?中断之后对记忆会做哪些操作?
  9. 有没有看过 Open Claw、DeepSeek Harness 这类开源框架的实现?

幻觉与 Skill

  1. 不管 Agent 还是 coding agent,调用大模型都会产生幻觉,你了解过的 Agent 是怎么控制、防止幻觉的?
  2. 不从具体实现讲,从 Agent 设计角度,防幻觉有哪些方法?
  3. 幻觉也会出现在工具调用,tool call 调错了应该怎么处理?
  4. 假设你要实现一个 prompt 或一个 skill,如何在这个 skill 中防幻觉?
  5. 你写过 skill 吗?讲一下生产一个 skill 的完整流程。
  6. 业务逻辑确定之后,开发 skill 的过程是什么?做领域设计、产出 Spec 这些会做吗?
  7. skill 写出来之后,如何评估它满足上线质量?
  8. skill 上线之后,如何做效果监控?
  9. 有了用户反馈,你如何对这个 skill 做进化?
  10. 如果要维护非常多 skill、做不到人工优化,怎么自动化做进化?
  11. 有没有了解过进化相关的框架、算法或论文?
  12. 如果让你来做一个进化的 Agent,你会怎么做?

多 Agent 协同

  1. 你的 Agent 会有 Agent-to-Agent 之间的调用吗?
  2. 你了解过多 Agent 协同下有哪些范式或结构吗?
  3. Sub-Agent 这种模式适合什么场景使用?
  4. 主 Agent 给子 Agent 派任务,以 coding 场景为例,怎么保证给到子 Agent 的输入能完成任务、又不会传入过多 context?中间数据传输怎么设计?
  5. 讲下你的 AI coding 流程,举个新需求的例子,整个 loop 是怎么跑起来的?
  6. 项目里 harness 是怎么做的?有哪些目录分别做哪些事情?对 Agent 的约束记录在哪里?
  7. 这些知识会沉淀到一些地方吗?
  8. 做一个需求时,你会设计多少个 Agent、多少个 Skill?

分布式与存储

  1. 假设下单场景,订单系统与商家库存系统是两套分布式系统,下单生成订单和扣减库存要么同时成功、要么同时失败,你怎么设计?
  2. 那你觉得这个分布式事务应该怎么设计?
  3. 所以是通过事务回滚的方式?那就要求系统支持回滚操作,是吗?
  4. 回到缓存和数据库,这两者怎么保持一致性?是全量加载到缓存、异步同步 DB 吗?
  5. 分布式场景下 Redis 分布式锁是怎么实现的?了解过 Redlock 吗?
  6. Redis 你用过哪些数据结构?
  7. Zset 底层的数据结构是怎样的?
  8. 跳表的具体结构是怎样的?假如向跳表里新增一个数据,它会怎么写入?
  9. 使用 MQ 做一致性,MQ 可以做到不丢消息吗?
  10. MQ 场景:一个 consumer group 有多台机器消费同一个 topic,但只有一台机器在消费,尽可能说出所有可能的原因。
  11. 你的主要开发语言是 Java 对吧?

并发

  1. ConcurrentHashMap 是怎么实现线程安全的?
  2. ConcurrentHashMap 怎么解决哈希冲突?
  3. ConcurrentHashMap 里 CAS 的比对然后覆盖的逻辑是什么样的?
  4. CAS 会产生 ABA 问题,怎么解决 ABA 问题?
  5. 你还有笔试,是已经约好笔试时间了吗?

《参考解析》

「graph 恢复 vs session 恢复」这道追问在问什么。 面试官在区分两种恢复语义:一种是「流程编排层的恢复」——图的节点执行到哪、哪些已完成、下一步走哪条边,这是确定性的代码状态;另一种是「Agent 会话层的恢复」——模型的对话历史、记忆、工具调用上下文,这是半结构化的语义状态。只做前者,恢复后能继续跑流程,但模型可能「忘了刚才聊到哪」,于是重复提问或前后矛盾;只做后者,历史都在,但不知道流程进行到哪一步,可能重复执行副作用。完整方案是两者都存,并在恢复时把「流程状态」渲染成一句明确的上下文告诉模型(「你正在进行第 3/5 步,已完成 A、B,用户刚才确认了 C」)。

记忆连续性怎么保。 三个手段:① 把关键事实结构化(不是靠原文),比如「用户选择的方案 ID、已确认的金额、拒绝过的选项」,存成 KV 并在每轮注入;② 消息带轮次与会话 ID,拼接时按序、分段摘要;③ 恢复时先做一次「状态对账」——把存储的状态与外部真实状态(订单是否已创建、文件是否已上传)比对,不一致就以外部为准,避免「记忆说做了、其实没做」。这条最容易被忽略,但生产上最常见的事故就是它。

等待用户很久的 Agent 怎么设计。 把「长等待」当成一种正常状态而不是异常:请求进来时创建 run,遇到需要用户输入的节点就把状态落库、释放连接(不能让一个 socket 挂一天),并生成一个可恢复的令牌(深链/通知)。用户回来时凭令牌恢复。配套要有 TTL 与过期清理、状态版本号(配置变了旧 run 要能识别)、以及幂等(用户重复点击不重复执行)。这就是「事件驱动的持久化工作流」,不是「一个长连接跑到底」。

防幻觉的四层设计。 ① 输入层——检索到的事实作为唯一依据,要求引用来源,没有依据就允许说「不知道」;② 决策层——把开放式生成改成受约束的选择(枚举、schema、工具参数),缩小自由发挥空间;③ 执行层——工具调用前做参数校验与权限校验,调用后校验返回、失败要能被感知(超时、非 2xx、字段缺失都要显式处理),不能让模型「假设成功」继续往下走;④ 输出层——关键数字/结论做程序化核对(与检索片段或数据库比对),不一致就降级为「需要人工确认」。补一句:防幻觉不能只靠提示词,提示词只能降低概率,兜底要靠程序和流程。

Tool call 调错怎么处理。 分错误类型:参数格式错(用 schema 校验直接拒绝并回灌错误信息,让模型改正)、参数语义错(比如查错了用户,要有权限与范围校验,越权直接拒绝而不是交给模型判断)、工具本身失败(重试有上限、退避、区分可重试与不可重试)、以及「模型选错了工具」(在返回里附上可用工具清单与选择提示,或加一个路由器先用规则/小模型定工具)。所有调用要有 trace,事后能复现「为什么选了它」。

Skill 的生产流程。 一个可复用的顺序:领域建模(这个 skill 负责哪类任务、输入输出是什么、边界在哪)→ 写 Spec(触发条件、步骤、可用工具、成功判据、失败处理)→ 写最小版本 → 用真实样例跑(至少覆盖正常、边界、恶意输入三类)→ 评估(准确率、遵循率、平均步数、成本)→ 上线 → 监控(成功率、人工接管率、异常分布)→ 迭代(把失败案例沉淀成评测用例,改提示词或加工具)。关键认知:skill 不是一段提示词,而是「提示词 + 工具 + 校验 + 评测集」的打包。

怎么评估与监控。 评估要分层:能力层(能不能做完)、质量层(结果对不对、格式对不对)、效率层(步数、token、时延)、安全层(越权、注入、敏感信息)。上线后监控同样分这四层,并保留抽样人工评审。没有评测集的 skill 不算上线,只能算实验。

Skill 怎么自动进化。 三步闭环:收集(线上失败样本 + 用户反馈 + 人工标注)→ 归因(分成「知识缺失、工具缺失、提示词歧义、模型能力不足」四类)→ 自动生成候选改动(补示例、改指令、加工具)→ 用评测集回归 → 通过才发布。可用的技术包括 few-shot 自动挑选、提示词优化(OPRO/APE 这类)、以及把成功轨迹蒸馏成示例。难点在「评测集要能覆盖真实分布」和「改动不能过拟合」,所以每次进化都要留一份 held-out 集。回答时给出这套闭环比报论文名更有用。

多 Agent 范式。 常见四种:主管-工人(supervisor/worker,一个编排者派活、汇总)、流水线(pipeline,按阶段串行,每段专职)、辩论/评审(多角色互评后收敛)、以及层级(agent 树,每层负责不同粒度)。Sub-Agent 适合「子任务边界清晰、上下文可独立、结果可校验」的场景,比如代码检索、单文件重构、资料汇总;不适合需要全局上下文强相关的任务。主给子的输入要「少而准」:只传任务目标、必要约束、以及子任务需要的文件/片段,用结构化字段而不是整段对话;返回只要求「结果 + 证据 + 未解决项」,中间过程不往上带,避免上下文爆炸。

分布式事务怎么答。 先给结论:订单 + 库存这种跨服务场景,优先「最终一致 + 补偿」,而不是强一致。方案对比:本地消息表(可靠消息,业务侵入小,要消费端幂等)、事务消息(RocketMQ,半消息 + 回查)、TCC(Try 预占、Confirm 确认、Cancel 释放,控制力强但要写三个接口并处理悬挂/空回滚/幂等)、Saga(长流程编排 + 补偿,适合多步)、Seata AT(自动 undo log,简单但全局锁影响性能)。选型依据是「一致性要求 + 业务能否接受中间态 + 补偿成本」。要能说清 TCC 的三个坑:空回滚(Try 没执行就收到 Cancel,要记录事务状态直接返回成功)、悬挂(Cancel 先于 Try 到达,要拒绝后续 Try)、幂等(重复 Confirm/Cancel 结果一致)。

缓存与 DB 一致性。 常见策略是 Cache Aside:读时未命中回源并回填,写时「先更新 DB 再删除缓存」。为什么会不一致:并发下「读旧值回填」覆盖了删除(延迟双删缓解)、删除失败、主从延迟。更强的方案是订阅 binlog 异步失效(Canal),把「删缓存」从业务代码里解耦;对一致性要求极高的场景干脆不让缓存做判断依据。全量加载 + 异步同步适合「读多写少、数据量小」的配置类数据,不适合频繁变更的业务数据。

Redis 锁与 Redlock。 单实例是 SET key val NX PX ttl + Lua 校验删除;主从架构下主节点写完还没同步就宕机,锁会丢,Redlock 用「多数派独立节点加锁成功 + 总耗时小于 TTL」来降低这个风险,但它在网络分区与时钟漂移下仍有争议(Martin Kleppmann 的批评)。工程结论:锁用来减少并发冲突,正确性靠「幂等 + 唯一约束 + 状态机」兜底;对强一致要求高的资源,用数据库行锁/乐观锁版本号更可靠。

Zset 与跳表。 Zset 是「字典(member→score)+ 跳表(按 score 排序)」双结构,字典保证 O(1) 查分数,跳表保证按分数范围查询与排名。跳表是多层链表:底层是完整有序链表,每层以概率 1/2 向上建索引,查找从最高层开始,向右走到超过目标就下降一层,期望 O(log n)。插入时先找到每层的前驱节点,随机决定新节点的层数(层数不超过当前最大层 +1),然后在各层插入并更新前向指针与 span(用于 ZRANK)。删除反向操作。相比红黑树,跳表实现简单、范围查询天然有序、并发下更容易做无锁(各层独立更新)。

MQ 能不能不丢。 只能做到「尽量不丢」,要靠三段各自保证:生产端(同步发送 + 重试 + 确认机制,或事务消息)、Broker(刷盘策略:同步刷盘 + 主从同步复制,acks=all)、消费端(处理完再提交位点,失败重试,幂等消费)。任何一段用异步都可能丢。所以「不丢」等于「不丢 + 可能重复」,业务必须幂等。

只有一个消费者在消费的所有可能原因。 ① 分区/队列数只有 1(或者远少于消费者数);② 分区分配不均——消费者加入/退出触发 rebalance 后分配策略导致倾斜,或某些消费者订阅了不同的 tag/filter;③ 消费能力差异——某台机器处理快、其他机器卡在下游超时,导致 lag 集中;④ 消费线程数配置不同(有的实例 consumeThreadMin/Max 设得很小);⑤ 消息 key 高度集中,几乎所有消息都路由到同一个分区;⑥ 部分消费者根本没启动成功或订阅关系不一致(group 名不同、topic 名不同);⑦ 消费被限流/被熔断,实际在处理但速率极低;⑧ 客户端版本差异导致的分配协议不一致。排查顺序是先看「分区分配结果」,再看「各实例的消费 TPS 与耗时」,最后看订阅配置。

ConcurrentHashMap。 JDK 8 的实现是「数组 + 链表 + 红黑树」,锁粒度降到单个桶:put 时若桶为空用 CAS 直接放头节点,否则 synchronized 锁住该桶的头节点再插入;链表长度 ≥8 且数组长度 ≥64 时转红黑树(否则先扩容),查询 O(log n)。哈希冲突用链地址法,spread 把高位异或到低位减少碰撞。size 用 baseCount + CounterCell[] 分段计数(类似 LongAdder)避免热点。扩容支持多线程协助迁移(ForwardingNode 标记已迁移的桶)。CAS 的「比对再覆盖」就是 compareAndSwapObject/Int:只有当内存中的值等于期望值时才写入新值,否则失败重试,依赖 CPU 的 cmpxchg 指令。ABA 问题是一个值从 A 改成 B 又改回 A,CAS 以为没变过;解法是加版本号(AtomicStampedReference)或用 AtomicMarkableReference 标记是否被改过。

AI coding 的 loop(举新需求)。 读需求与相关代码 → 写一份可验收的 SPEC(接口、数据结构、边界、测试用例)→ 让模型出最小实现 → 跑测试 → 按失败项逐个修 → 自查 diff(范围、异常处理、无关改动)→ 补文档与测试 → 提交。把「验收标准」写成可执行脚本是关键,否则人只能靠读代码判断对错。