阿里云 AI Agent 开发岗面经合集:RAG 检索与存储优化
- 轮次
- 多轮面试合集
- 时间
- 2026-09
- 来源
- 牛客网
《面试题目》
- 请做一下自我介绍
- 实习中如何优化 Agent 的存储查询?追问:为什么没有进一步分析底层存储和机器性能?
- 一次完整的存储过程会经历哪些环节?追问:为什么选择应聘可观测存储方向?
- 请介绍项目及个人负责的部分
- 项目中的 CSV 文件如何解析?
- 文档如何切分?
- 向量检索与 BM25 混合检索有什么好处,权重如何分配?
- Agent 的多跳检索如何实现?
- Query Rewrite 如何实现,有什么收益?
- 文档访问控制如何实现?
- 私人 RAG 系统为什么仍需要文档访问控制?
- 什么是 PII 脱敏?
- 长对话摘要压缩如何实现?
- 对话历史感知改写如何实现?
- 项目中最大的难点是什么,如何解决?
- 日常使用哪些 AI 技术?
- Harness 中的数据流转流程是什么?
- 使用过哪些带 UI 的 AI 工具?
《参考解析》
1. 向量检索与 BM25 混合检索,权重怎么分配。两种召回器的失效模式互补:向量检索按语义相似度工作,能召回换了说法的同义表述,但对专有名词、产品型号、错误码、人名这类「字面精确」的信号不敏感,甚至会把语义相近但事实不同的段落排在前面;BM25 靠词频与逆文档频率精确匹配关键词,专有名词一击即中,但完全没有语义泛化能力,用户换个说法就召不回。混起来能同时覆盖「模糊问法」和「精确术语」两类查询,尤其是企业知识库里大量存在的编号、SKU、工单号类查询。融合方式有三种:加权分数融合(各自归一化后 score = α·vec + (1-α)·bm25,α 常见取 0.5~0.7,偏语义),RRF 倒数排名融合(Σ 1/(k + rank),k 常取 60,只用排名不用分数,免去归一化、对不同检索器更稳),或者先各自取 Top-20 再交给 rerank 模型统一打分。权重不要手拍:构造带标准答案出处的评测集,扫 α 看 Recall@K 与 MRR,选最优;不同知识库的最优 α 不一样,技术文档偏 BM25、客服问答偏向量,所以权重应该做成可配置并按知识库调。
2. Agent 的多跳检索怎么实现。多跳指第一轮检索拿到的信息不足以回答,需要用它作为线索再查一轮(例如「A 产品的负责人现在负责哪个项目」要先查到负责人,再查他的项目)。实现上是一个「检索 → 判断 → 再检索」的循环:把问题交给规划器拆成有序子问题,每轮用上一轮的答案或实体作为新的 query 去检索,把已获得的证据累积到上下文,再由模型判断「信息是否足够回答,不够则生成下一个 query」,直到满足条件或达到最大跳数(一般限 3~5 跳,防死循环和成本爆炸)。工程要点:每跳都要做去重,避免同一文档反复进入上下文;要维护一个「已查过的 query 集合」防止原地打转;每跳检索结果按相关性截断,否则上下文会被中间结果撑爆;最好把每跳的证据与来源记下来,便于最终答案给引用,也便于排查是哪一跳跑偏。另一种更省成本的形态是「先分解后并行」:让模型一次性输出多个子查询并行检索再合并,效果接近但延迟低得多,缺点是子查询之间的依赖关系处理不了,所以依赖链强的场景仍要用串行迭代。
3. Query Rewrite 怎么做,收益在哪。用户提问和知识库文本之间普遍存在表述鸿沟:口语化、省略主语、带错别字、多轮对话里有代词(「它的保修期多久」)。改写就是把这层鸿沟填平,常见手段有四类:一是指代消解与省略补全,结合对话历史把「它」「这个」替换成具体实体,这就是所谓对话历史感知改写;二是查询扩展,生成同义表述或专业术语变体,用多个改写并行检索再合并去重;三是查询分解,把复合问题拆成多个子问题(往往和多跳检索配套);四是查询压缩,把冗长口语提问压成关键词密集的检索式,对 BM25 尤其友好。实现上用一次轻量 LLM 调用(小模型加少样本示例即可,延迟几十到几百毫秒),也可以用专门的改写模型。收益要量化:在同一评测集上对比改写前后的 Recall@K 和最终答案正确率,多轮场景的收益通常最明显(可达十几个百分点),单轮且提问规范的场景收益有限,那就别加这一次调用,省的延迟比涨的那点召回值钱。
4. 文档访问控制与 PII 脱敏。访问控制的关键是「检索前过滤」:给每个 chunk 带上租户、部门、密级、可见用户组等元数据,把当前用户的权限编译成过滤条件交给向量库做前置过滤,再叠加文档级 ACL,权限变更时按短 TTL 缓存失效或实时查权限服务,保证调整权限后立刻生效;同时要处理向量残留——文档被移出权限范围时删除或标记其向量。PII(Personally Identifiable Information)指能单独或结合其他信息识别到具体自然人的数据,典型如身份证号、手机号、银行卡号、家庭住址、邮箱、人脸与声纹。脱敏一般分两步:入库前用正则 + NER 模型识别敏感字段并替换成占位符(138****1234)或做不可逆哈希/令牌化,同时把「原文 ↔ 令牌」的映射放在受控的单独存储里,只有具备权限的服务能还原;输出侧再做一次兜底检测,防止模型从上下文里把敏感信息原样吐出来。要注意脱敏要保留可检索性——把手机号整体替换成 <PHONE> 会让「按手机号查工单」失效,所以常见做法是保留哈希后的可精确匹配字段,同时展示层脱敏。合规上还要记录谁在什么时候检索了哪些文档,审计日志本身就是访问控制的一部分。
5. 长对话摘要压缩。上下文窗口有限、token 又是按量计费的,长对话必须做压缩。常用策略是分层:最近 N 轮保留原文(保证当前问答的细节和语气),更早的对话滚动压缩成结构化摘要,摘要里固定保留几类信息——用户身份与偏好、已确认的事实与结论、未解决的问题、以及关键实体(订单号、产品名)。压缩时机通常按 token 水位触发(例如用到窗口的 70% 时触发一次),而不是每轮都压,否则既贵又容易把细节磨掉。实现上有几种做法:LLM 滚动摘要(把旧摘要 + 新增对话喂给模型生成新摘要,成本可控);结构化抽取(把对话转成 JSON 状态对象,只把状态放进 prompt);检索式记忆(历史全存库,需要时按当前问题检索相关片段拼回来),后者对「用户很久前提过的事」支持最好,通常和摘要方案组合使用。压缩的风险是信息有损,所以关键事实要「钉住」不参与压缩,并且保留原始对话可回溯。
6. 存储查询优化与完整存储链路(实习项目类问题)。回答存储优化要给出可量化的路径:先定位瓶颈(慢查询日志、火焰图、连接池等待、索引命中率),再按手段收益排序——加合适的复合索引或分区键、把宽表查询改成覆盖索引、热点数据加缓存(Redis / 本地缓存 + 失效策略)、大结果集分页与游标、写多读少的场景改异步批写、冷热数据分层(近期热数据留热存储,历史数据下沉对象存储或列存)。面试官追问「为什么没有进一步分析底层存储和机器性能」通常是在试探你有没有下钻到磁盘 IO、Page Cache、副本同步、网络 RTT 这一层,答不上就应该老实说当时以业务侧优化为主、没做下钻,并补一句如果要继续会怎么看(比如 iostat/fio 看 IO 利用率、看 p99 写延迟与 fsync 次数、看是否受单机网卡或副本多数派确认拖累)。「一次完整的存储过程」在分布式存储里指:客户端请求 → 路由/元数据查询定位分片 → 权限与配额校验 → 写入 WAL/日志保证持久性 → 写内存与磁盘、按副本策略同步到从节点 → 多数派确认后返回 → 后台做刷盘、compaction 与副本修复。把「持久性由日志保证、一致性由副本数保证、可用性由故障转移保证」这三句话讲清楚,比背名词有用。