面灵AI→

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》

  1. 请做一下自我介绍
  2. 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?
  3. 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?
  4. 请介绍项目及个人负责的部分
  5. 项目中的 CSV 文件如何解析?
  6. 文档如何切分?
  7. 向量检索与 BM25 混合检索有什么好处,权重如何分配?
  8. Agent 的多跳检索如何实现?
  9. Query Rewrite 如何实现,有什么收益?
  10. 文档访问控制如何实现?
  11. 私人 RAG 系统为什么仍需要文档访问控制?
  12. 什么是 PII 脱敏?
  13. 长对话摘要压缩如何实现?
  14. 对话历史感知改写如何实现?
  15. 项目中最大的难点是什么,如何解决?
  16. 日常使用哪些 AI 技术?
  17. Harness 中的数据流转流程是什么?
  18. 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。