面灵AI→

腾讯 Agent 开发一面:LangGraph 编排、KV Cache 与审核链路

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 介绍项目架构。为什么组合使用 LangChain 和 LangGraph?技术选型依据是什么?
  2. 系统如何判断生成方案不合格?审核指标如何确定,审核结果怎样反馈到执行链路?
  3. 项目建设了哪些可观测能力?能否通过运行记录还原任务执行过程?
  4. 主 Agent 调用子 Agent 时,传递哪些上下文?内容过长如何处理,压缩机制采用自研还是框架能力?
  5. 实际做过哪些 Token 优化?提高 KV Cache 命中效率,还能采用哪些方法?
  6. Skill 被折叠或移出上下文后,对缓存复用有什么影响?是否比较过保留与移除正文的实际成本?
  7. 模型通过工具调用执行动作,Skill 的调用机制如何实现?一个 Skill 对应单个工具还是多个工具?
  8. 项目使用了哪些模型?针对方案审核,是否建立了独立评测?
  9. 一次请求输入更短,但缓存失效导致费用反而增加,如何定位并验证原因?
  10. 审核 Agent 与生成 Agent 使用同一个模型,如何识别二者可能存在的共同盲点?

《参考解析》

LangChain 与 LangGraph 的分工要讲清「组件库」与「编排层」:LangChain 提供模型、检索器、工具、输出解析这些可替换的组件与统一接口;LangGraph 负责把多步流程表达成带状态的图——节点是动作,边是转移,支持条件分支、循环、检查点与中断恢复。选它的理由是流程里有回退与重试(审核不通过要回到生成)、需要持久化中间状态、需要人工介入点;如果只是线性的「检索—生成」,直接用 SDK 更简单。技术选型要能说出替代方案(直接调 SDK、Temporal 这类工作流引擎、自研状态机)与放弃原因。

审核要可判定、可回传:判定指标分硬规则与模型评分两类——硬规则(格式、字段完整性、事实引用是否存在、数值范围)用程序判,模型评分(相关性、可执行性、风险)用 rubric 加少量示例,输出结构化结果与理由。审核结果回传执行链路的方式是「带原因的失败」:把未通过的条目与修改建议作为新消息追加到生成节点的输入,限制重试次数,仍不通过则降级为人工复核或返回带标记的结果。指标本身要能被评测:固定一批样本,人工标注通过与否,算审核器与人工的一致率(准确率、召回、误杀率)。

可观测的最低要求是「能回放一次任务」:每次任务一个 trace,节点级 span 记录输入摘要、模型与参数、token 用量、耗时、工具调用与返回、审核结论;日志带 trace id 与步骤序号,产物版本化存储。有了这些,才能回答「为什么这次输出不对」——是检索没给对、模型没按指令、还是审核放过了。指标上盯 P50/P95 步数、每步 token、失败率与重试率。

主 Agent 传子 Agent 的上下文要「最小充分」:传任务目标、约束(格式、边界、禁止项)、必要的事实片段与工具权限,不传整段对话历史。压缩通常分层——对历史做结构化摘要(目标、已确认事实、已完成步骤、待办),工具结果只留关键字段与引用,长文档放外部存储按需读取。框架能提供消息裁剪与摘要节点,但「哪些字段必须保留」是业务判断,一般要自研;回答时说清哪部分是框架能力、哪部分是自己写的。

KV Cache 的前提是前缀逐字节稳定:把系统提示、工具表、Skill 目录放在最前且保持不变,动态内容(时间、用户信息、检索结果)一律追加在后面;避免在前缀里插入时间戳、随机 id、未排序的列表;多轮对话只追加不修改历史;同一会话固定模型与参数。此外可以缩短输出、把重复的固定说明移到前缀、对批量子任务复用同一前缀、按缓存 TTL 安排请求密度。衡量方式是看用量里的 cached tokens 占比与单位任务成本,而不是凭感觉。

Skill 折叠与缓存是一对矛盾:把 Skill 正文移出上下文能省 token,但会让前缀变化、后续请求的缓存全部失效。是否划算要做对照:设 Skill 正文为 S,缓存命中时每 token 的价格约为未命中的十分之一,若折叠后同一前缀的请求次数足够多,省的 S 抵不过缓存失效的损失,就不该折叠;更好的做法是把 Skill 正文放在稳定前缀的末尾、按会话固定加载集合,会话内不改动。答这一题要给出可计算的判据,而不是「看情况」。

Skill 与工具是多对多:一个 Skill 往往编排多个工具(例如「生成周报」要查数据、算指标、套模板、发消息),也可能只对应一个;工具是可执行的原子能力,Skill 是完成一件事的流程知识与约束。实现上 Skill 以指令加脚本的形式注入,脚本内部调工具,模型只负责选择 Skill 与填参数。

输入更短但费用更高,问题几乎一定在缓存:定位方法是按请求比对前缀哈希(对系统提示与工具表做规范化后哈希),看命中率与 cached tokens 是否下降;检查是否有动态内容被插到前缀、工具列表顺序是否变化、Skill 集合是否按会话漂移、是否切了渠道或模型导致缓存池不共享。验证要拿两组请求做对照:固定前缀跑一批、故意插入动态字段跑一批,比较单位 token 成本。

同模型生成与审核的共同盲点靠「换视角」发现:同一模型对同一类错误有稳定的偏好,自审容易放过。可行手段包括换模型或换提示做交叉审核、引入规则与外部工具校验(编译、单测、schema 校验、检索比对)、用另一套 rubric 与少样本示例、对高价值样本做人工抽检并回流成评测集。度量上要看「审核通过但人工判错」的比例,这个数字才反映盲点大小。