水滴 AI 全栈一面:自动诊断、提示词注入、推理排队与 RAG 旧答案排查
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 从故障发生到定位问题,自动诊断的完整流程是怎样的?举一个误判的例子,说说怎么解决。
- 如果用户选错问题类别,系统怎么识别、处理并告知用户?
- 人工处理资源减少时,怎么提高自动诊断的准确率?当前瓶颈在哪?
- 单 Agent 与另一种执行模式有什么区别?为什么要设计执行过程中的锁定机制,主要锁定什么?
- 用户提交的文本要求忽略规则并执行操作,怎么防止 Agent 照做或越权?
- 只读工具返回的数据里包含类似指令,怎么保证 Agent 不会在未经用户授权时执行?
- 某项能力升级后,怎么判断新版能否替换旧版?为什么评测还没有形成固定流程?
- 提交文件后取消任务,服务端怎么处理?
- 不同用户上传同名文件,怎么避免误用之前的结果?如果文件内容也一样呢?
- 文件合并是怎么做的?
- 业务服务正常,但推理请求积压,内存和显存持续上涨,服务快撑不住了,怎么处理?
- 知识库内容已经更新,用户仍收到旧答案,怎么判断问题出在切分、向量还是检索环节?
- 摘要结构怎么设计?如果两个来源的结论细节有冲突,怎么检测和处理?
- 怎么查询并列出指定范围内最近失败的摘要任务?
- 有没有用过近期流行的个人 Agent 工具?
- 了解 Harness 的概念吗?国内和国外的两种 Harness 在产品形态上有什么区别?有没有实际用过?
- 工作之外有哪些 AI 实践?AI 给日常生活带来了什么变化?
《参考解析》
自动诊断的流程与误判:完整链路是「采集信号(日志、指标、告警、变更记录)→ 归一化与补全上下文 → 规则/检索召回候选故障模式 → 模型推理与排序 → 输出结论、证据与建议动作 → 人工确认或自动执行 → 回流结果」。误判的典型来源是上下文缺失或类别选错,比如把数据库连接池耗尽误判为慢查询。处理方式是要求结论必须附证据(哪条日志、哪个指标、时间窗),证据不足时降级为「疑似」并给出下一步排查建议;把人工纠正结果写入样本库,定期回放评测,按故障类型看准确率而不是只看总体。
用户选错类别:入口先做一次轻量分类,结合用户描述、附件、历史工单与系统信号给出候选类别及置信度;置信度低时不强行归类,而是列出前三个可能并让用户确认;如果用户坚持错误类别,系统仍按用户选择执行,但在诊断中保留「与所选类别不符」的提示,避免结论被带偏。关键是把「分类」和「诊断」解耦,分类错了仍有机会在诊断阶段纠正。
人工减少时提升准确率:先做分层,把高频、规则明确、可验证的故障交给自动化,把长尾与高风险的交给人;用人工处理过的工单做检索增强与少样本示例;对模型输出做结构化约束(必须引用证据、必须给出置信度),低置信度自动转人工;建立反馈闭环与回归集,按类别监控准确率与漏判率。瓶颈通常不在模型能力,而在数据质量、故障标注缺失与工具权限不足。
单 Agent 与多 Agent、锁定机制:单 Agent 在一个上下文里完成规划与执行,链路短、成本低,但长任务容易丢上下文、工具多了容易选错;多 Agent 把规划、执行、评审拆开,各自上下文更聚焦,代价是通信与一致性成本。锁定机制是为了防止同一资源被并发修改,比如同一工单、同一文件、同一部署环境;锁的粒度要小、要有租约与超时,获取失败要明确告知而不是静默等待。
提示词注入的两类来源:一类来自用户输入,一类来自工具返回的内容(网页、文档、检索结果)。防护不能只靠提示词,要做分层:系统指令与用户内容分离并标注来源;工具按权限分级,写操作与敏感操作必须二次确认;对工具返回的内容做「数据而非指令」的封装,检测到越权意图时拒绝执行;限制可用工具集与参数范围,输出侧做校验。只读工具被注入时最多泄露信息,写工具被注入才会造成实际损害,所以权限隔离是底线。
版本评测:先定义任务集与成功判据,覆盖高频、长尾、边界与对抗样本;新旧版本在同一批任务、同一模型、同一工具集下对比,记录成功率、成本、时延与失败类型;自动判分要有抽检校准,避免判分器本身漂移。评测难固定的原因是任务开放、判分主观、线上分布变化快,做法是把评测集当产品资产持续维护,版本上线前跑回归、上线后看灰度指标。
文件上传与合并:取消任务时先标记任务状态为取消,停止后续处理,清理临时文件与中间产物,已产生的部分结果要么删除要么标记不可用;接口要幂等,重复取消不报错。同名文件用「用户 ID + 内容 hash + 版本」做唯一标识,不能只用文件名;内容相同可以命中同一份存储做去重,但权限与引用计数要分开。文件合并按格式处理:文本按章节与段落对齐,表格按主键合并,冲突处保留双方并标注来源,不能静默覆盖。
推理排队导致内存显存上涨:先止血——限制入队长度、对超出部分快速失败(返回 429 或排队位置),关闭无关缓存,必要时重启实例并保留现场;再定位——看请求速率与处理速率、单请求 token 数、批处理参数、是否有长请求占住显存、是否存在泄漏(显存不随请求结束释放)。治理上做背压与限流、按优先级分队列、动态批处理、超时与取消、显存池化与定期回收,容量不足就扩容或降级模型。
RAG 旧答案定位:先确认知识库更新是否真的进了检索链路——文档版本、切分产物、向量是否重建、索引是否切换;再看检索结果里有没有新内容,如果没有,问题在切分或索引;如果有新内容但答案仍旧,问题在提示或模型对上下文的利用;如果检索召回的是旧块,检查是否多版本共存、缓存未失效、按时间过滤的条件写错。做法是给每次回答记录引用的 chunk 与版本,用同一问题回放对比。
摘要结构与冲突:结构上分「结论、关键事实、来源、置信度、待确认项」,每条事实挂来源与时间,便于追溯。冲突检测可以先用规则(同一实体同一属性出现不同值),再用模型判断是否真冲突、哪个更新或更可信;无法判断时并列展示并标注分歧,不要合成一个看似确定的结论。
查询失败任务:按状态、时间范围、任务类型建索引,SQL 大致是 status = 'FAILED' AND created_at BETWEEN ? AND ? ORDER BY created_at DESC,返回任务 ID、失败原因、重试次数与关联用户;量大时按时间分区,避免全表扫描。
Harness 与个人 Agent:Harness 是模型之外的运行时,负责工具、上下文、权限、沙箱、循环与评测。国内产品多把 Harness 做进垂直场景(办公、 coding、搜索),强调开箱即用与本地化集成;国外更常见通用 Agent 平台与开放工具生态,强调可扩展与可观测。实际用过哪个就讲哪个,重点讲你让它做了什么、它在哪一步失败、你怎么改工具或约束。