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》
- 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?
- 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?
- 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?
- 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?
- 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?
- 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?
- 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?
- 项目使用了哪些模型?针对方案审核,是否建立了独立评测?
- 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?
- 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。