面灵AI→

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》

  1. 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。
  2. 如果用户选错问题类别,系统怎么识别、处理并告知用户?
  3. 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?
  4. 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?
  5. 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?
  6. 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?
  7. 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?
  8. 提交文件后取消任务,服务端怎么处理?
  9. 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?
  10. 文件合并是怎么做的?
  11. 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?
  12. 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?
  13. 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?
  14. 怎么查询并列出指定范围内最近失败的摘要任务?
  15. 有没有用过近期流行的个人 Agent 工具?
  16. 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?
  17. 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。