面灵AI→

数字政通 Agent 研发一面:PDF 检索问答链路与拒答设计

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 实习主要做的什么工作?举个做过的最有挑战性的任务。
  3. 这里面 HTTP 和 DDS 分别都传什么?
  4. 如果 DDS 失败了,你会怎么定位问题?
  5. 你对前端框架和 APP 开发掌握吗?
  6. 讲讲 paperX 这个软件从上传 PDF 到检索问答的流程。
  7. 为什么用 RabbitMQ?是你选型的吗?为什么不用其他 MQ?
  8. 拒答和引用校验的设计是为什么?为什么选择 LangGraph?
  9. 数据安全脱敏的设计是怎样的?

《参考解析》

  1. HTTP 与 DDS 的分工:HTTP 走请求响应,适合控制面——上传、查询状态、拿结果;DDS 是发布订阅的实时数据总线,带 QoS(可靠性、时限、历史深度),适合数据面——高频、低延迟、多订阅者的实时流。两者混用的系统里,控制指令走 HTTP,数据流走 DDS 是常见分层。

  2. DDS 失败怎么定位:先确认是发现失败还是传输失败——域 ID、partition、topic 名是否一致,QoS 是否匹配(可靠性设成 best effort 会静默丢包),再看订阅者是否存活、网络是否通、有没有达到资源上限。排查顺序是「能不能发现 → 能不能匹配 QoS → 数据有没有发出去 → 有没有收到」,工具上用 DDS 自带的监控或抓包。

  3. PDF 到问答的链路:上传后先解析(文本层优先,扫描件走 OCR),按语义或标题层级切块并保留元数据(页码、章节),做 embedding 入向量库,同时建关键词索引;提问时先做查询改写,混合检索召回,rerank 排序,取 top-k 拼进提示并附上引用来源,模型生成后做引用校验,不通过则拒答。

  4. 为什么用 RabbitMQ:解耦上传解析这种耗时任务、削峰、失败重试,且团队已有运维经验。选型对比要能说出来:Kafka 吞吐更高适合日志流但不适合单条消息的复杂路由和延迟队列;RocketMQ 事务消息强、国内生态好;RabbitMQ 路由灵活、延迟队列和确认机制成熟,量级不大的业务链路够用。

  5. 拒答与引用校验:RAG 最大的风险是模型在检索不到依据时编造。做法是要求每个结论都能对应到检索片段,生成后校验引用是否真实存在、是否支持该结论,不满足就拒答或降级为「未找到相关内容」。这比事后审核便宜,也比 prompt 里写「不要编造」可靠。

  6. 为什么用 LangGraph:需要显式的状态机和分支(检索→判断是否足够→再检索或生成→校验→拒答),LangGraph 把节点、边和状态管理显式化,便于调试和插入人工确认;相比自己写 while 循环,它的可观测性和断点恢复更好。

  7. 数据脱敏:入口识别手机号、身份证、银行卡等敏感字段并做掩码或令牌化,日志和向量库里不落原文;按角色做字段级权限,检索时先过滤再召回,避免越权内容进入上下文;脱敏映射表单独存放并审计访问。