面灵AI→

蚂蚁 Agent 日常一面凉经:coding agent 元工具设计、10MB 文件读取与并发编辑

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. Claude Code、Codex、DSH、Pi 这些主流 coding agent 在元工具设计上有什么不同?具体讲 read、edit、bash 的差异。
  2. read 工具要读取一个 10MB 的文件,全放进上下文会爆,怎么解决?
  3. edit 工具在用户和 Agent 同时修改一份文件时,覆写问题怎么解决?
  4. bash 工具怎么适配不同操作系统,比如 macOS、Windows、Linux?
  5. 没有 diff 的 edit 操作怎么比较?为什么比较原文不如比较原文的 hash?
  6. 怎么测评一个 harness 的效果?
  7. 要测一个 harness 在 5000 个任务下的效果,让你一夜之间完成,怎么做?
  8. 为什么要设计一个远程沙箱?为什么不在本地快速拉起沙箱?
  9. 既然为了适配不同客户端系统把沙箱放远端,为什么不把整个 loop 都放在远端?
  10. 介绍 RAG 项目的功能。
  11. 介绍你的 RAG 在哪些方面做了增强。
  12. query 改写具体怎么实现的?

《参考解析》

元工具设计的差异要落到「粒度与安全边界」。read 类工具通常是「路径 + 可选行范围」,返回带行号的内容并在超长时截断,差异在于是否默认全文件、是否做语法高亮、是否支持图片与 PDF;edit 类工具分两种路线,一种要求 old_string 在文件中唯一再做精确替换(Claude Code 的 Edit),另一种用补丁格式描述上下文与增删行(Codex 的 apply_patch),前者简单但对重复文本敏感,后者能表达多处修改但对格式要求高;bash 类工具差异在是否保持持久 shell 会话、超时与输出截断策略、是否默认沙箱、是否允许后台任务。回答时不要背各家源码,讲清设计取舍即可。

读 10MB 文件不能整体入上下文。做法是分层:先给结构(文件树、符号表、大纲、行数),再按需读取片段(offset/limit、head/tail),用 grep 定位关键行;对超大日志做聚合与采样,先统计错误类型与时间分布;对长文档做分段摘要再按问题回溯原文。必要时把文件处理交给脚本或子 agent,只把结论带回主上下文。核心原则是「上下文里只放当前决策需要的信息」。

并发编辑用乐观并发控制。编辑前记录文件的版本(mtime、大小、内容 hash),写入时用 compare-and-swap:先重新读取并比对 hash,一致才原子替换,不一致就放弃本次修改、重新读取后再让模型基于新内容重做。更严格的做法是文件锁或租约,编辑期间加锁、结束释放;多人协作场景可以走分支与三方合并。关键在于「检测到冲突要报错并重试」,不能静默覆盖。

bash 跨平台适配:启动时探测操作系统与可用 shell,Linux/macOS 用 bash/zsh,Windows 优先 PowerShell,其次 cmd,装了 Git Bash 或 WSL 才用 bash;路径分隔符、换行符、命令差异(ls/dir、rm/del、环境变量语法)要做抽象;工具描述里写清当前平台与可用命令,让模型自己选择;对不支持的命令返回明确错误而不是假装成功。更稳的做法是把常用操作做成跨平台工具,shell 只作为兜底。

hash 比较解决的是「改了什么」之外的「改之前是什么」。没有 diff 的编辑(比如格式化、二进制写入、整段替换)无法用文本差异判断是否发生了并发修改;比较原文是 O(n) 且可能被同样的内容骗过(用户改了又改回),比较内容 hash 能在写入前快速判断文件是否还是 Agent 读到的那一版,成本低且确定。hash 只能检测变化,不能合并变化,所以仍需「检测到不一致就重读重做」。

harness 评测:先定义任务集与成功判据(测试通过、文件内容匹配、接口返回正确),再控制变量——同一模型、同一任务、只换 harness;记录成功率、平均步数、token 成本、时延、人工接管率与失败类型;用固定随机种子与隔离环境保证可复现,抽样人工复核自动判分的准确性。

5000 个任务一夜跑完:本质是并行度与成本工程。把任务做成可独立运行的容器镜像与固定输入,按机器与配额分片,用队列调度,失败重试与断点续跑;先跑冒烟子集验证判分器,再全量;对模型调用做批处理与缓存,能并行的工具调用并行;用抢占式实例扩容,设总预算与超时,优先保证「每个任务都有结论」而不是「每个都跑满」。如果一夜资源不够,就分层抽样并在报告中说明置信区间,不能伪造全量结果。

远程沙箱的取舍:远端提供隔离与安全(不可信代码不碰宿主)、环境一致(镜像固定依赖)、多客户端复用与集中治理(配额、快照、审计),代价是网络延迟与文件同步。本地沙箱启动快、访问本地文件方便,但隔离弱、环境漂移、难以统一回收。合理架构是混合:默认远端隔离执行,需要本地文件或低延迟交互时用本地受限沙箱,敏感凭据只留在近端。

为什么不把整个 loop 放远端:loop 里有模型调用、工具调度、用户交互与凭据,放在远端会增加每步往返延迟、把密钥集中到远端、让客户端状态同步变复杂;而工具执行才是需要隔离的部分。所以常见做法是「控制面在近端、执行面在远端」,按风险把工具分区。

RAG 的增强与 query 改写:增强可以分检索前、检索中、检索后——检索前做查询改写、同义扩展、HyDE、问题分解;检索中做混合检索(BM25 + 向量)、多路召回、按元数据过滤;检索后做 rerank、去重、压缩、按证据组织答案。query 改写的具体做法包括:指代消解(把「它」补成实体)、口语转书面、拆多意图问题、生成同义词与上下位词、用模型生成假设答案再做向量检索,以及保留原始 query 与改写 query 双路召回。改写效果要用召回率对比验证,不能只凭感觉。