面灵AI→

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

  1. 自我介绍。
  2. 个人版私人 AI 助理是单智能体架构还是多智能体架构?
  3. 这个助理的长短期记忆是怎么设计的?

Agent 范式

  1. 介绍一下 ReAct。
  2. ReAct 存在什么问题?如何解决?
  3. ReAct 的改进方案有哪些?

协议与能力层

  1. 了解 MCP 吗?介绍一下它的原理。
  2. 了解 Skill 吗?介绍一下它的原理。
  3. 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

  1. Redis 中的分布式实现方式有哪些?
  2. 秒杀项目的流程是怎样的?Redis 在其中怎么用?

RAG 全链路

  1. RAG 的大致工作流程是什么?
  2. 在 RAG 过程中你是如何处理 Query Rewrite 的?
  3. RAG 召回优化的思路有哪些?
  4. RAG 的耗时问题和优化思路有哪些?

反问

  1. 反问:部门是做什么的?
  2. 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。