面灵AI→

科大讯飞 Agent 一面 38 分钟:乱序完成、审批超时与重启恢复

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

实习与项目职责

  1. 2024、2025、2026 年的实习情况如何?
  2. 现在是否还在京东?为什么回学校?
  3. 实习项目的整条链路中,你主要参与哪部分?
  4. 整个系统都是你做的吗?你做的模块与全链路有什么关系?
  5. A、B 两次评估乱序完成,中间人工修改字段,如何保证最终数据准确?
  6. DDD、本体建模、工具能力开放分别解决什么问题?

LLM 工程化与评测

  1. JSON Schema 能降低哪些错误?不能降低哪些错误?
  2. 端到端错误率从 xx% 降至 xx% 以内,采用了哪些措施?
  3. 指标的评测口径是什么?
  4. 针对错误样本制定规则,怎样避免只对这些样本有效?

Agent 设计与架构取舍

  1. 最多 12 次工具调用、希望 60 秒内返回,如何设计排障 Agent?
  2. 查询指标、日志和知识库时,如何组织执行?
  3. 工具需要人工审批时,等待、审批、超时、取消等状态如何设计?
  4. Agent 进程重启后,从哪里恢复?
  5. 怎样避免重复执行有副作用的工具?
  6. 多 Agent 是否一定优于单 Agent?
  7. 什么情况下把三四个 Agent 合并成一个?

AI Coding 与技术判断

  1. 平时使用哪些 AI 工具开发?
  2. 实习中能否使用 Codex?
  3. AI 代码通过测试后,怎样判断可以合并?
  4. AI 生成点赞接口和全通过测试,只有半小时,优先评审什么?
  5. 什么技术判断被后来的实践修正?哪些证据促使你改变?

《参考解析》

乱序完成与并发写的一致性:两次评估乱序返回、中间还有人工改字段,本质是两个写者各自基于旧快照覆盖对方。手段要叠加使用:记录带版本号或递增 revision,写入时执行 UPDATE ... WHERE id = ? AND version = ?,影响行数为 0 就说明中途被改过,转为重试或合并;评估结果以「一次评估」为不可变事件追加,最终状态由事件归并得出,而不是整行覆盖;同一实体的写用乐观锁或按实体分片的串行队列;跨服务重试用幂等键去重。还要显式定义字段级的优先级——人工修改与机器结果谁覆盖谁,否则锁只能保证不丢更新,保证不了语义正确。

DDD、本体建模与工具开放的分工:DDD 解决业务边界与一致性边界,产出限界上下文与聚合根;本体建模解决「业务概念对模型可解释」,把实体、关系、动作的语义统一,使模型知道有哪些对象、对象之间是什么关系;工具能力开放解决「模型怎么安全地调用」,把接口包成带语义描述、参数 Schema 与副作用声明的工具,并配鉴权与审计。三者层次不同:DDD 是代码与团队的组织方式,本体是语义层,工具开放是执行层。缺任何一层都会出现「模型能调但不懂业务」或「懂业务却没有可调入口」。

JSON Schema 的能力边界:能降低的是结构与类型错误——字段缺失、类型不符、枚举越界、必填项漏传,这些在调用前即可拦下,并让模型自我修正一轮。降不了的是语义错误:参数类型正确但业务上不成立(时间范围写反、资源 ID 属于别的租户)、多步操作的顺序错误、该查证的事实靠猜。补充手段是业务校验(存在性、归属、权限、数值范围)、执行前的预检或 dry-run,以及把常见失败样例写进工具描述。回答时要明确区分「Schema 保证形状」与「业务保证含义」。

错误率下降的口径与过拟合:先定口径:分母是一次会话、一次任务还是一次工具调用;什么算错误,是任务失败、结果不可用还是需要人工接管;由谁判定,自动校验还是人工标注。口径不定,两个百分比之间无法比较。避免只对样本有效的手段:规则从错误类型归纳,而不是对单条样本硬编码;保留与调参集不同分布的回测集(不同业务方、不同时间段、不同文档版本);上线后按周采样复核,同时监控规则命中率与误杀率;规则增多后做消融,确认每条仍有独立收益。

排障 Agent 的预算与 60 秒时延:12 次工具调用、60 秒返回,意味着平均每次调用连同模型思考只有 5 秒左右,设计上必须并行与剪枝。先并行拉取指标与最近变更,这两类信息最常定位问题;再依据结果决定是否查日志与知识库。工具返回要做摘要与截断,避免大段日志进入上下文后每一步都变慢。给整个任务设总预算(步数、token、墙钟时间),到阈值就收敛成「结论加待确认项」,而不是继续试。知识库检索放在前几步,用历史案例缩小假设空间,比后期盲目重试更省预算。

人工审批的状态机:状态至少要有等待审批、已通过、已拒绝、已超时、已取消,加上执行中与成功、失败两个终态。等待审批时任务必须挂起并持久化,不能占着进程或连接;审批通过后从挂起点继续,而不是从头重跑;超时要定义默认动作,多数场景是拒绝并回滚已做的准备动作;取消要能中断正在等待的调用。审批人、审批时间、审批意见与当时的参数快照一并落库,事后才能回答「批的到底是什么」。

重启后的恢复起点与副作用幂等:恢复点不能只存「第几步」,要存可重放的状态:已完成步骤的结果、已产生副作用的标识、当前待执行的工具与参数。副作用工具必须幂等:调用前写意图记录,调用后用同一幂等键回写结果;重启后先查该键是否已有结果,有则跳过执行直接取结果。对无法幂等的操作(发消息、扣款、提交表单),用「预占加确认」两阶段,或要求外部系统支持去重键;确实做不到的,恢复时转人工确认,不自动重试。

单 Agent 与多 Agent 的取舍:多 Agent 的收益来自上下文隔离与职责分工——不同的工具集、不同的提示词、可并行的子任务;代价是通信开销、状态同步、错误沿链路传播与调试难度上升。判断标准是拆开之后每个 Agent 的上下文是否显著变短、工具集是否显著变窄、子任务是否真能并行。若几个 Agent 共享同一份上下文、串行调用同一批工具,拆开只会多出几次模型调用。需要合并的典型场景是链路短、状态强耦合、要求全局一致判断(例如同一个工单的多步处置),此时单 Agent 加清晰的工具分层更稳。

AI 生成代码的评审重点:测试通过只证明被覆盖的路径正确。半小时评审一个点赞接口,优先看四件事:并发,同一用户重复点赞与计数更新是否原子,是否用唯一索引或原子自增而不是先查后写;幂等,重试与消息重复会不会产生多条记录;一致性,缓存与数据库的更新顺序、事务边界、失败回滚是否成立;权限与边界,谁能点赞、对象是否存在、参数是否校验。其次看可观测性与错误处理,异常是否被吞掉、日志是否带请求标识。测试本身也要看:是否只覆盖正常路径,断言是否真的验证了副作用。