AI Agent 应用研发
共 2 篇面经 · 淘天 / 淘天集团
淘天 AI Agent 二面:幻觉治理、评测闭环与十万条轨迹的后训练取舍
淘天 AI Agent/大模型应用研发二面:没有传统后端八股,全程围绕两段 Agent 经历深挖。链路部分追问纯 LLM 方案为什么失败、如何演进到 Code + LLM、换更强模型是否解决;评测部分追问指标口径、评测集与 Ground Truth 来源、线上 badcase 回流与自迭代;建模部分追问 Ontology 与 Action 的语义统一边界、新增 Action 的完整流程;执行部分追问第三步失败后的重规划与并行调度;最后落到十万条轨迹的清洗、哪些问题该改提示词与工具、哪些进后训练,以及两条都成功的轨迹怎么构造 DPO 偏好对。
淘天 AI Agent 一面:本体化与 RAG 之争、三层 Agent 架构与记忆设计
淘天会员技术团队 AI Agent / 大模型应用研发一面:先用大半场追问「能力开放与本体化」项目——本体和普通 RAG 的区别、是否全量本体化、效果提升来自结构还是人工整理、强 Schema 校验相对 Tool Calling 的必要性、维护门槛由谁承担;随后深挖个人项目「航旅故障排查 Agent」,围绕三层架构是否等于三个 Agent、为什么不用单 Agent ReAct、混合检索与自适应 RAG、无生产环境时指标从哪来展开;最后是 Agent 组件、System Prompt 组织、上下文压缩、会话存储、暂停与恢复、记忆的时效与衰减。