钉子的生活日记
文章目录

牛客面经整理：百度 AI Agent 开发一面（提示词 / 单测生成 / Attention）（二十四）

收录日期：2026-04-27
关键词：AI、Agent、提示词工程、上下文、代码理解、AST、单元测试、评估、Transformer、Attention、长上下文

1. 项目深挖（怎么答更稳）

参考答案

  • 先讲业务目标与指标（时延/成功率/成本/用户满意度），再讲链路（检索→规划→工具→校验→输出）。
  • 强调你负责的模块：提示词、工具协议、评估集、观测与回滚策略。
  • 准备 1 个失败案例：定位、修复与如何避免回归。

2. 提示词模板怎么设计与迭代？怎么判断“真的更好”？

参考答案

  • 模板结构：角色/目标/约束/可用工具/输出 schema/示例（few-shot）/拒答规则。
  • 迭代方法：
    • 固定评测集（覆盖边界与高频场景），离线回归对比（成功率、格式正确率、幻觉率）。
    • 在线 A/B（任务完成率、人工介入率、平均轮次、成本）。
  • 关键：避免只靠“主观感觉”；把“好”拆成可量化指标。

3. 单 Agent 还是多 Agent？为什么这样设计？

参考答案

  • 单 Agent：链路简单、成本低、调试容易；适合明确任务与较少工具调用。
  • 多 Agent：分工明确（Planner/Executor/Verifier/Tool-specialist），更强但更贵、更难控（通信噪声、循环）。
  • 取舍维度：可控性、可观测性、成本/时延、失败模式（是否容易发散）。

4. Agent 任务怎么拆分？粒度怎么决定？

参考答案

  • 典型做法：目标 → 子目标 → 可执行步骤（每步能被工具/函数完成、可校验）。
  • 粒度判断：
    • 太粗：失败不可定位、重试代价大。
    • 太细：轮次上升、上下文膨胀、成本增大。
  • 常见策略：层级式计划（高层粗、执行细），结合预算（最大步数/最大成本）做 early stop。

5. 上下文怎么构建？如何避免过长/污染？

参考答案

  • 构建：系统约束 + 用户目标 + 关键事实摘要 + 必要的历史对话 + 工具结果（结构化）+ 检索到的证据。
  • 避免污染：
    • 只注入与当前子任务强相关的信息（检索阈值、重排、去重）。
    • 工具结果结构化（表/JSON），减少冗余自然语言。
    • 定期“事实摘要”替代原始长对话（保留决策与约束）。

6. 上下文窗口不够时，优先保留哪些信息？为什么？

参考答案

  • 第一优先：系统提示词（规则/安全/输出格式）与用户当前目标。
  • 第二优先：已确认事实、关键约束、最新工具结果（能影响下一步决策的）。
  • 第三优先：历史过程的摘要（而非原文），以及可回溯的引用 ID（便于再检索）。

7. 做代码理解时，AST/调用关系怎么用起来？

参考答案

  • 用 AST 做结构化切片：函数边界、变量/类型、控制流关键节点，避免把整仓库塞进上下文。
  • 用调用图做检索：从入口函数向外扩展依赖（限定深度/白名单），只拉取相关文件与符号。
  • 组合：符号级 embedding（函数/类粒度）+ 语义检索 + rerank，提升相关性与稳定性。

8. 单测生成：哪些代码不适合生成单测？怎么识别与过滤？

参考答案

  • 不适合：
    • 强副作用（真实写库/发请求/依赖时间随机性）但缺乏注入点。
    • 纯粘合层（简单转发/薄包装）价值低。
    • 依赖复杂环境（浏览器/原生能力）且无可替代的模拟层。
  • 识别与过滤：
    • 规则：识别外部 I/O（DB/RPC/FS）、时间/随机、全局状态写入。
    • 结构：是否可依赖注入、是否有纯函数边界、是否已有测试夹具。

9. 覆盖率高但测试质量差，怎么处理？

参考答案

  • 常见坏味道：断言弱（只测“能跑通”）、过度 mock、对实现细节耦合、易 flaky。
  • 改进：
    • 强化断言（业务不变量、边界条件、错误分支）。
    • 引入 mutation testing/故障注入思路，逼迫断言有效。
    • 对外部依赖用稳定 fake/测试容器替代过度 mock。

10. mock 什么时候必须？什么时候会带来问题？

参考答案

  • 必须：外部不可控依赖（RPC/第三方接口/邮件短信/支付）、高成本资源（大模型调用）做隔离。
  • 有问题：把被测模块内部实现全 mock 掉，导致测试“只测 mock”；或 mock 行为与真实不一致引入虚假安全感。
  • 建议：优先 stub/fake（更接近真实），在模块边界 mock。

11. 依赖数据库 + RPC 的函数，怎么让生成的单测稳定运行？

参考答案

  • 依赖注入：把 DB/RPC 作为接口传入，测试替换为 fake 或本地服务。
  • 环境隔离：用 Testcontainers/内存数据库（如 SQLite）或本地沙箱服务，确保可重复。
  • 数据管理：固定种子数据、清理策略、避免并发污染。

12. 怎么评估单测质量？除了覆盖率还有哪些指标？

参考答案

  • 质量指标：mutation score、缺陷检出率、flaky rate、运行耗时、断言密度与可读性（是否可维护）。
  • 过程指标：失败定位时间、回归集覆盖关键路径的比例、重跑成本。

13. LLM 的输入是什么？模型真正“看到”的是什么？

参考答案

  • 模型输入最终是 token 序列（ID），经 embedding 映射到向量空间。
  • 注意力在向量上计算相似度与加权聚合；超过上下文长度会被截断或需要分段策略。

14. Self-Attention 的作用是什么？为什么要拆成 Q/K/V？

参考答案

  • 作用：让每个 token 能“按需关注”其他 token，形成上下文相关的表示。
  • Q/K/V 拆分：通过不同线性投影让“我在找什么”（Q）与“我是什么特征”（K/V）解耦，提升表达能力与可学习性。

15. 为什么需要 Multi-Head？为什么 Attention 是动态加权？

参考答案

  • Multi-Head：在不同子空间并行关注不同关系（语法、指代、主题等），再拼接融合。
  • 动态加权：权重随输入变化，对不同上下文选择不同信息来源，比静态卷积更灵活。

16. 同一个 token 的 Q/K/V 为什么不一样？

参考答案

  • 因为 Q/K/V 是三套不同参数矩阵的线性投影结果；同一输入在不同“视角”下表示不同，用于匹配与聚合。

17. Attention 复杂度高，长上下文怎么优化？

参考答案

  • 算法：稀疏/滑窗注意力、分块与近似注意力（降低 O(n^2)）。
  • 系统：KV cache、FlashAttention、张量并行、量化。
  • 产品/工程：RAG 检索替代“全塞上下文”、摘要压缩、分阶段生成（先草稿后精修）。

18. 幻觉一般是什么原因？工程上怎么降低？

参考答案

  • 原因：上下文缺失/歧义、训练偏差、过度采样、工具结果未被严格约束。
  • 降低：
    • RAG + 引用证据，工具结果结构化注入。
    • 输出 schema 校验、规则/单测验证、反思/复核器（Verifier）。
    • 对高风险动作加“确认门”（human-in-the-loop）与权限限制。