PE 全栈一面:多 Agent 怎么交互、Answer Agent 挂了怎么兜、意图识别错了怎么办
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍,介绍项目。
- 项目是用 React 做的,为什么不用 LangChain、LangGraph?Chain 和 Graph 分别是什么,有什么区别?
- 最近有没有了解哪些新技术?
- 多 Agent 之间怎么交互?Answer Agent 出问题时没办法回复用户,该怎么解决——降级、兜底还是别的?
- 项目里遇到的最大的问题是什么?(追问:参数缺失时系统自动填充了一个起终点,这种「编造」的专业术语怎么说?)
- MySQL 了解到什么程度?
- 项目里的意图识别是指什么?意图识别出错怎么解决?
- 这个工具现在有多少人在用?为什么没推广开?
- 介绍实习内容。
- 用了这个 Agent 之后,性能提升体现在哪里?各个 Agent 的分工是什么?
- 后端技术栈了解哪些?
- 反问:团队现在的重点是什么?(面试官答:项目里 AI 现在不是必须项,重点还是后端开发,前端也不是重点)
《参考解析》
「React 项目为什么不用 LangChain」是个陷阱题:React 是前端渲染层,LangChain / LangGraph 是服务端的编排层,两者不在一个位置上,不存在替代关系。正确的答法是先拆层——前端负责会话、流式渲染和状态,编排在服务端;再说选型理由:链路是固定几步就不需要框架,自己写反而可控、依赖少、好调试;一旦出现分支、回环、多 Agent 交接、需要断点续跑和人工介入,才值得上 LangGraph。面试官问这个,是在确认你的项目是自己搭的还是拼的。
Chain 与 Graph 的区别要一句话说透:Chain 是线性的 DAG,节点按顺序串起来,适合「检索 → 拼 prompt → 生成」这种一条道走到底的流程;Graph 是带状态的有向图,支持条件边、环和共享 state,能表达「路由到不同 Agent、失败回到上一步、等待人工确认」。多 Agent 场景本质是图不是链,因为要循环和回退。
多 Agent 交互的三种常见形态:共享一份 state 由 supervisor 路由(最常用)、通过工具调用互相委托、流水线式串联。要讲清上下文怎么传(只传必要字段,避免全量 history 膨胀)、失败怎么隔离(一个 Agent 崩了不能拖垮整条链)、可观测性(每次调用记 trace id、输入输出、耗时),否则线上出问题只能靠猜。
Answer Agent 失败的兜底是这道面试的核心。分层答:超时和异常先重试一次(幂等的前提是不重复产生副作用);仍失败则降级到规则/模板回答或通用模型直答;再不行就明确告知用户「这一步没查到」并给出下一步建议,而不是编一个答案;同时熔断该上游、打点告警。关键是要说清「兜底回答不能假装是正常回答」——用户能接受失败,不能接受被骗。
「参数缺失时自动补一个起终点」的术语就是幻觉(hallucination),更准确地说是「无依据补全」。工程上不该靠模型自觉:工具层做参数校验,缺什么就回问用户;用结构化输出(JSON Schema / function calling)约束字段;对关键实体做存在性校验(起终点是否在库里);再加一层置信度和 trace,事后能查到这次补全是哪一步产生的。这一段答得好,等于同时回答了第 4 题和第 7 题。
意图识别要答出「分类 + 兜底」:常见做法是规则/关键词兜底 + 模型分类(few-shot 或小模型),输出里必须有 unknown 这一档,落到 unknown 就走澄清话术而不是硬猜。错分的处理分两种:低置信度澄清、高置信度错分靠反馈回路(用户纠正后落标注,定期回流训练/改 prompt)。不同意图的错分成本不一样,把成本高的那类(比如会触发写操作的)单独加确认,是能加分的细节。
用户量和「为什么没推广」是压力题,诚实比包装有效:说清当前是内部/小范围试用、卡在哪(权限、稳定性、接入成本),以及你为推广做过什么。承认阶段早不扣分,吹一个数字被追问 DAU 会立刻穿。
性能提升必须给指标:原来多久、现在多久、怎么测的、样本多大。答「快了很多」等于没答。
最后面试官说 AI 不是必须项、重点在后端,说明这个岗位的权重在后端工程上。反问该顺着问:后端用什么栈、AI 模块在路线图里的位置、这个岗位一年内的主要交付是什么。