美团 Agent 开发一面：Markdown 没标题怎么切分？

《面试题目》

行程规划场景题

1. 设计一个“智能行程规划 Agent”，用户输入“周末去南京玩两天”，请描述工具编排和异常处理。
2. 如果第二天南京下雨了，Agent 怎么应对？
3. 如果用户临时想把两天压缩成一天，怎么处理？
4. 用户需求模糊，比如“我想找个好吃的”，Agent 怎么多轮澄清？
5. 澄清策略是什么？每轮问什么问题？怎么判断澄清结束？

RAG 与检索

6. RAG 完整流程是什么？
7. Markdown 文档没有标题怎么切分？有没有试过语义切分？
8. 切分粒度怎么确定？文档切分策略怎么选、chunk size 怎么定？
9. 短 Query（如“降价”）和长 Chunk（如 200 字商品描述）向量化后怎么比较？差异在哪？
10. 混合检索中关键词检索和向量检索各有什么优缺点？
11. 两路结果怎么融合？RRF 的 k 值怎么设？
12. RAG 召回效果不好怎么排查？

电商搜索排序与推荐 Agent

13. 设计一个“电商搜索排序 Agent”，用户搜“连衣裙”，怎么设计排序模型？
14. 排序特征有哪些？
15. 双塔召回和生成式召回各有什么优劣？
16. 大模型生成的推荐理由怎么保证吸引人且不重复？
17. 用户行为序列怎么高效输入大模型？
18. 场景题：用户搜“夏天穿什么”，大模型怎么结合天气、地域、用户画像做个性化推荐？
19. 怎么解决大模型推荐中的“信息茧房”？
20. 怎么评估大模型生成推荐文案的点击率和转化率？AB 实验怎么设计？
21. 商品推荐 Agent（用户画像 + 行为）怎么设计？

工程与成本

22. Agent 输出 JSON 怎么做 Schema 校验？
23. 记忆压缩怎么实现？怎么保留关键信息？
24. 工具调用失败常见原因？怎么优化成功率？
25. Agent Token 成本从哪些维度优化？
26. 手撕：实现一个简单的双塔召回模型前向传播（PyTorch）。

《参考解析》

1. 行程规划 Agent 的工具编排与异常处理。 编排要分层而不是全丢给模型：意图解析（天数、人数、预算、出发地）→ 规划器产出“天—时段—活动”骨架 → 工具层取真实数据（POI、路线耗时、天气、票务）→ 求解器在约束下排程（位置聚类减少通勤，再按营业时间与天气调整）。约束要显式：一天拆成若干 TimeSlot，模型只从候选 POI 里挑选与排序，代码校验时间不重叠、通勤够、景点在营业。异常分四类：工具超时或空返回（退避重试 + 降级到缓存或同类工具，拿不到就让模型给候选并标注未核实）；约束冲突（下雨换室内并说明改了什么）；需求变更（两天压一天当约束变更，保留已确认项重新求解，不从头生成）；不可满足（讲清哪条做不到，给两三个选项让用户挑）。工程上要幂等可回滚：每次重规划产出新版本行程并保留旧版，下单类调用带 requestId 去重。

2. 多轮澄清策略与结束判据。 澄清是把模糊需求变成可执行约束。槽位分两类：刚性（几天、几人、哪天走）缺了必须问；柔性（口味、预算档）先给默认值再让用户改。追问要一次一组、给选项而不是开放题，每轮 1~2 个问题。判断结束看三个信号：刚性槽位齐全且候选收敛；出现“就这个 / 都行”这类确认语；或连续两轮没有新信息——此时直接给默认方案并邀请纠偏，而不是继续追问。实现上做成状态机：槽位表、已填值与缺失项都是显式数据，模型只负责抽槽位与生成问法，是否继续追问由代码判定，避免模型自问自答式无限澄清。

3. RAG 全流程与无标题 Markdown 切分。 链路是解析、清洗、切分、向量化（并建关键词索引）、检索、融合重排、拼上下文生成、引用与评测。Markdown 没标题时不能按 # 切，可行做法：按空行与段落聚合成语义块再合并到目标长度；滑窗切分并保留 10%20% 重叠；把列表项、表格、代码围栏当弱分隔。更稳的是语义切分：按句切、算相邻句向量相似度、在骤降处断开，再用长度上限兜底，成本更高但适合结构混乱的文档。粒度要用评测反推：固定 top-k 与 prompt，只改 chunk size 与 overlap 看召回率与答案质量，256512 token 是常见起点；每块带父级标题与位置元数据，做到“小块命中、大块喂模型”。

4. 短 Query 与长 Chunk 的向量化差异。 短文本信息少、向量落点泛化，受分词与停用词影响大；长文本语义平均化，多个主题压成一个中心向量，与短 query 的余弦相似度被稀释，于是“短 query 检长 chunk”系统性偏弱。缓解有四条路：查询扩展（同义词、类目词、LLM 改写成完整问句、HyDE）；双粒度索引（小块向量 + 文档级向量，命中后上卷）；按官方约定给 query 与 passage 加不同前缀（query: / passage:）补齐非对称训练；训练用“短 query—长 passage”正样本对做对比学习。最后用 rerank 交叉编码器精排，它对长度不对称不敏感，能把被稀释的相关性捞回 top-k。

5. 混合检索、RRF 与召回排查。 BM25 强在字面精确（型号、专有名词、数字），可解释、无需训练，弱在同义改写；向量强在语义泛化与跨语言，弱在精确字面，也表达不了“必须包含某词”的硬约束。融合最常用 RRF：对每路结果按排名给 1/(k + rank) 再相加，只用排名不用分数，避开量纲问题。k 越大越平滑、长尾越容易进结果，k 越小越强调各自榜首，60 是稳妥默认，但应与各路召回条数（常 20~50）、进入 rerank 的条数一起做小规模网格评测。硬约束用 filter 表达而不是靠分数。召回排查按五层：答案是否存在于原文；切分是否切断答案；embedding 模型与归一化、索引是否建全；纯关键词、纯向量、混合三路的召回率对比；rerank 是否把正确块挤出 top-k。

6. 电商排序与推荐 Agent 的设计与评估。 链路是召回（双塔、关键词、图）→ 粗排 → 精排 → 重排（多样性、业务约束）。特征五类：query 与商品文本匹配、类目属性匹配、商品统计（销量、评分、转化）、用户画像与实时行为、上下文（时间、地域、天气）。双塔可预计算、效率高但交互弱；生成式召回语义与长尾更强，但训练成本高、可控性差，线上通常混用。推荐理由要兼顾吸引力与不重复：留结构化槽位（场景 + 属性 + 收益）、用商品真实属性做事实校验防幻觉、n-gram 去重与句式轮换。行为序列不要把全量塞 prompt：近期 N 条做结构化摘要进上下文，更长序列交给序列模型或检索式召回。信息茧房靠探索位、重排打散、覆盖度与新颖度指标治理。AB 实验要分流稳定、算清样本量与最小可检测效应、主指标之外配护栏指标（退货、投诉）。