长鑫存储 AI Agent 开发一面:ReAct、MCP 与 RAG 全链路 30 分钟连问
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
开场与项目
- 自我介绍。
- 个人版私人 AI 助理是单智能体架构还是多智能体架构?
- 这个助理的长短期记忆是怎么设计的?
Agent 范式
- 介绍一下 ReAct。
- ReAct 存在什么问题?如何解决?
- ReAct 的改进方案有哪些?
协议与能力层
- 了解 MCP 吗?介绍一下它的原理。
- 了解 Skill 吗?介绍一下它的原理。
- 聊到最近比较火的 DeepSeek Harness:它的核心理念是什么,有哪些点可以借鉴到个人 AI 助理里?
Redis 与秒杀
- Redis 中的分布式实现方式有哪些?
- 秒杀项目的流程是怎样的?Redis 在其中怎么用?
RAG 全链路
- RAG 的大致工作流程是什么?
- 在 RAG 过程中你是如何处理 Query Rewrite 的?
- RAG 召回优化的思路有哪些?
- RAG 的耗时问题和优化思路有哪些?
反问
- 反问:部门是做什么的?
- 反问:后续流程会怎么样?
《参考解析》
单智能体还是多智能体,判据是决策权而不是工具数量。 一个核心 Agent 内部挂了搜索、计算、记忆等一堆工具,只要「下一步做什么」始终由同一个决策循环拍板,它就还是单智能体——工具只是被调用的能力单元。多智能体的本质是把决策权切开,每个 Agent 有自己的目标、上下文和工具集。真正的收益往往来自上下文隔离:把几十个工具塞进一个 prompt,模型选错工具的概率会显著上升,拆成专职子 Agent 后每个 prompt 只需要认识自己那几个工具;代价是通信开销、状态同步和错误传播——A 的幻觉会被 B 当成事实继续推理下去。工程上比较稳的形态是「单智能体为主 + 少量窄职责子 Agent」,尤其是把校验单独做成一个 Agent 比自己查自己更有效,因为自查用的还是同一份上下文和同一个偏见。这里面试官容易追一句「多个 Agent 之间怎么传状态」,答案是结构化 handoff(明确字段的任务单)而不是自然语言转述,转述每传一手就丢一点信息。
记忆分两层,难点在写入而不是检索。 短期记忆就是上下文窗口:滚动保留最近 N 轮,超出后做摘要压缩。压缩的粒度要小心,按轮硬截会把一句话截成半句,按主题摘要更稳。真正吃 token 的通常不是对话本身而是工具返回值,所以裁剪应该发生在工具结果落进上下文之前(只留需要的字段、长文本截断),而不是事后压缩历史。长期记忆本质是一个「写—读」系统:写什么(事实、偏好、约束,不写寒暄和过程)、什么时候写(回合结束后异步抽取,不要卡在主链路上)、怎么防冲突(同一主题的新事实要覆盖旧的,带时间戳和来源,否则模型会同时召回「用户在上海」和「用户在北京」)。召回侧 top-k 不宜大,召回过量会把当前上下文稀释掉;返回结果要带时间和出处,让模型自己判断时效。
ReAct 的循环很朴素,成本却常被低估。 它是 Thought → Action → Observation 的交替,直到模型判断任务完成。每一轮都是一次完整前向,工具多、上下文长时单轮就要几秒;步数一多上下文线性膨胀,越到后面决策质量越差。它有四类典型病:输出格式不稳导致解析失败、空转或死循环(反复调同一个工具)、工具选错或参数填错、上下文爆炸。工程兜底是逐项对应的:JSON Schema 强约束加解析失败重试一次再降级;硬性最大步数加「无进展检测」(连续两步 observation 哈希相同就中断);工具结果统一结构化裁剪,别让模型去读原始 HTML;状态落盘让中断可恢复;所有写操作带幂等键。还有一个必须能答出来的判断:ReAct 适合路径不可预知、要根据中间结果调整的任务,如果流程本来就是固定的,写成 workflow 更稳、更便宜、也更好测。
改进路线各有各的前提。 Reflexion 在失败后让模型反思再试,前提是任务可重试且有可靠判定信号(单测、评分器)——没有信号时反思很容易退化成自我安慰。Plan-and-Execute 先出子任务 DAG 再逐步执行,全局性好、省调用,代价是计划错了要重规划,对环境突变的响应也慢。ReWOO 把推理和取数解耦,一次规划出所有变量依赖再一次执行,调用次数最少,但执行中拿到意外结果时改不了计划。选型判据可以归结成两句:任务可分解、步骤可预测就走 plan 类;强交互、每步依赖上一步结果就走 ReAct。生产系统里常见的是混合——外层用 plan 划阶段,阶段内部用 ReAct 处理不确定性。
MCP 解决的是一张 M×N 的连接表。 结构是 Host(承载 LLM 的应用)、Client(协议客户端)、Server(暴露能力的轻量程序),走 JSON-RPC 2.0,对外提供三个基元:Tools 是可执行函数、Resources 是可读数据、Prompts 是预置模板。价值在于把「每个应用 × 每个工具都要单独写适配」的 M×N 变成 M+N,一个 Server 写好,所有支持 MCP 的客户端都能用。工程细节比概念更值得说:工具的 description 和参数 schema 实际上就是 prompt,写得含糊模型就选错、填错,枚举值和示例一定要给全;工具数量一多,光定义就吃掉大量上下文,要做分组或按需加载;权限校验和审计必须放在 Server 侧,不能信任 Client;传输有本地 stdio 和远程 Streamable HTTP 两种,连接生命周期、超时、断线重连都要设计。被追问「和直接写 function call 有什么区别」时,答协议统一了发现与调用、能跨客户端复用;单机单应用时直接 function call 更轻,没必要上协议。
Skill、MCP、Function Call 是三件事,别混着答。 MCP 管连接与能力边界(有哪些工具、参数长什么样),Skill 管方法与经验(这类任务按什么顺序做、哪些坑要避开),Function Call 管一次具体执行。Skill 是程序性知识的封装,关键机制是渐进式加载:正文只在需要时才读进上下文,否则装几十个 Skill 直接把窗口占满。所以好的 Skill 是「一句 description 决定要不要加载,正文写判断标准而不是罗列命令」。这三者的分工可以压缩成一句话记:MCP 管连接,Skill 管方法,Function Call 管执行。
DeepSeek Harness 值得借的是「没有特权核心」这个约束。 模型适配器、工具注册表、会话管理、智能体循环、沙箱、存储全部是插件,都可以被替换,运行在 Cordis 这类支持动态组合的元框架上。落到个人助理上有三点可直接抄:一是 append-only 的会话日志,只追加不修改,天然支持回放、分叉和从中断处恢复,调试 Agent 时比打日志有用得多;二是把工具执行放进沙箱,副作用与主进程隔离;三是模型适配器把「换模型」变成配置项而不是改代码。但要提醒一句,插件化不是免费的:接口边界要窄、要有契约测试,否则每加一个插件都是一次兼容性赌博;每多一层抽象就多一层可观测性负担,trace 必须能串起「模型决策 → 工具调用 → 插件内部」。
Redis 的三种分布式形态要能说清边界。 主从复制是一写多读,异步复制意味着故障切换时可能丢掉最后一段写,读写分离也要接受读到旧值,关键读走主库。哨兵在主从之上加监控和自动故障转移,要部署奇数个(至少 3 个)做多数派投票,客户端必须订阅切换事件并刷新连接池,否则切完还在往旧 master 写。Cluster 是官方分片方案,16384 个槽、key 经 CRC16 取模定位,客户端收到 MOVED 要更新路由表、收到 ASK 只对本次迁移中的 key 临时转向。最容易踩的坑是跨槽限制:MGET、事务、Lua 脚本里涉及的多个 key 必须落在同一个槽,所以设计 key 时用 hash tag 把相关的绑在一起,比如 {user:1}:cart 和 {user:1}:order。追问常到分布式锁——主从异步复制下锁可能丢,Redlock 又有时钟漂移和 GC 停顿的争议,生产上更常见的是单实例加 fencing token,或者干脆把强一致诉求交给 etcd / ZooKeeper。
秒杀链路的骨架是「Redis 挡量、消息队列削峰、数据库只做流水」。 请求进来先做前端限流和资格校验,然后到 Redis 做库存预检与原子扣减,扣成功就发消息、返回排队中,后台消费落库生成订单,客户端轮询结果。这里有个细节值得点出来:原帖方案是「先查库存、再抢分布式锁、再 decr」,其实 Lua 里 get + 判断 + decr 本身就是原子的,额外加一把锁只多了一次 RTT 和一轮锁竞争,锁应该留给「跨多个 key 或多个资源」的场景。不超卖只是底线,真正难的是少卖和回补:下单超时未支付的库存要还回去,回补必须带幂等标记,否则重复消费会把库存加两次;消息要保证不丢(本地消息表或事务消息),消费端按业务唯一键去重;单个库存 key 撑不住十万级 QPS 时要分片(把 1000 库存拆成 10 个 key),扣减随机选片、失败换片。另外这里的 Redis 是权威库存源而不是缓存,落库只是流水,别在数据库上再判一次库存。
RAG 的价值在半条链路之外——每一步都有自己的失败模式。 离线侧是解析、切分、嵌入、入库(带 metadata);在线侧是 query 处理、多路召回、融合、rerank、拼 context、生成、给引用。解析阶段表格和扫描件最容易丢结构;切分阶段固定长度会把跨段语义切断,父子块(小块检索、大块喂模型)就是为了解这个矛盾;嵌入阶段通用模型对专业术语和型号区分度差;召回阶段只走向量会漏掉精确串(错误码、型号、人名),所以要和 BM25 混;生成阶段上下文太长会稀释重点,模型也倾向不忠实,必须给引用并要求「无据不答」。整套东西想调得动,前提是有一个 golden set 和拆开的指标(recall@k、答案忠实度、端到端时延),否则改 chunk size 只能靠感觉。
Query Rewrite 的四类手法,收益和代价不成正比。 指代消解解决多轮里的省略(「它多少钱」补成「上一轮那台机器多少钱」),便宜且收益稳定,应该先做;术语归一把口语换成知识库里的正式说法;多 query 扩展从同义和不同角度生成几条检索词再合并去重;HyDE 先让模型生成一个假设答案、再用假设答案去检索,对短查询和术语鸿沟效果明显,代价是多一次生成、延迟接近翻倍;step-back 则先问一个更抽象的问题拿到背景,再回答具体问题。坑有两个:改写会引入漂移,把用户没问的东西加进去,反而跑偏;多 query 会放大延迟和重复召回,所以要有开关和预算控制。改写结果一定要落日志,不然线上效果变差时无法定位是哪一步的锅。
召回优化和耗时优化,最后往往收敛到同一件事:少检索一点。 召回侧的标准组合是混合检索加 RRF 融合(按名次而不是分数融合,避免两路分数量纲不一致),metadata 过滤(时间、权限、版本)必须放在召回前,否则 top-k 会被不该看的内容占满;精排用 cross-encoder 只对 top50~100 做,全量重排的成本没人付得起。耗时侧先分段打点,分清检索和生成各占多少再动手:检索用 ANN(HNSW 的 M 与 efSearch 就是召回率和延迟的两个旋钮)、embedding 离线预算、多路召回并行、热门 query 结果缓存;生成侧用 prefix cache 复用 system prompt、控制 context 长度、流式输出降低感知延迟。实践中把 top-k 从 20 降到 5、把 context 压紧,经常是又快又准——上下文塞得越满,模型越容易在无关段落里迷路。