Agent相关面试题整理(一)共建贴:https:linux.dottopic1791737
- 内容介绍
- 文章标签
- 相关推荐
Agent
-
如何定义一个Agent?它通常由哪些核心组件构成?
-
说下 ReAct 框架。它是如何将思维链和行动结合起来,以完成复杂任务的? 了解Plan-and-Solve吗 ,Reflection吗
-
在 Agent 的设计中,“规划能力”至关重要。请谈谈目前有哪些主流方法可以赋予 LLM 规划能力?(例如 CoT, ToT, GoT等)
-
Memory是 Agent 的一个关键模块。请问如何为 Agent 设计短期记忆和长期记忆系统?可以借助哪些外部工具或技术?
-
Tool Use是扩展 Agent 能力的有效途径。请解释 LLM 是如何学会调用外部 API 或工具的?(可以从 Function Calling 的角度解释)
-
请比较一下两个流行的 Agent 开发框架,如 LangChain 和 LlamaIndex。它们的核心应用场景有何不同?
-
在构建一个复杂的 Agent 时,你认为最主要的挑战是什么?
-
Agent 的短期记忆和长期记忆应该如何设计和配合?
-
什么是多智能体系统?让多个 LLM Agent 协同工作相比于单个 Agent 有什么优势?又会引入哪些新的复杂性?
-
多 Agent 协作时,如何设计 Agent 之间的通信和协调机制?
-
当一个 Agent 需要在真实或模拟环境中(如机器人、游戏)执行任务时,它与纯粹基于软件工具的 Agent 有什么本质区别?
-
如何确保一个 Agent 的行为是安全、可控且符合人类意图的?在 Agent 的设计中,有哪些保障对齐方法?
-
你用过哪些Agent框架?选型是如何选的?你最终场景的评价指标是什么?
-
有微调过Agent能力吗?数据集如何收集?
RAG
-
请解释 RAG 的工作原理。与直接对 LLM 进行微调相比,RAG 主要解决了什么问题?有哪些优势?
-
RAG 怎么解决 LLM 上下文窗口有限的问题?
-
RAG,Functioncall,MCP了解么,简单说下说说原理
-
Websocket和SSE区别是什么
-
一个完整的 RAG 流水线包含哪些关键步骤?请从数据准备到最终生成,详细描述整个过程。
-
在构建知识库时,文本切块策略至关重要。你会如何选择合适的切块大小和重叠长度?这背后有什么权衡?
-
如何选择一个合适的嵌入模型?评估一个 Embedding 模型的好坏有哪些指标?
-
除了基础的向量检索,你还知道哪些可以提升 RAG 检索质量的技术?
-
如何全面地评估一个 RAG 系统的性能?请分别从检索和生成两个阶段提出评估指标。
-
在什么场景下,你会选择使用图数据库或知识图谱来增强或替代传统的向量数据库检索?
-
传统的 RAG 流程是“先检索后生成”,你是否了解一些更复杂的 RAG 范式,比如在生成过程中进行多次检索或自适应检索?
-
RAG 系统在实际部署中可能面临哪些挑战?
-
什么是RAG中的"幻觉"问题?如何预防?
-
GraphRAG与传统RAG有什么区别?
-
如果RAG系统返回0个检索结果,你会如何排查问题?
-
了解Transformer 吗?
--【壹】--:
准备也学agent
--【贰】--:
好主意佬
--【叁】--:
感谢感谢啊
--【肆】--:
佬要不开文档共建贴吧
--【伍】--:
对哦,搞个文档共建,不行可以github共创
--【陆】--:
感谢佬!有无参考答案啊
--【柒】--:
非常支持,期待更新
--【捌】--:
持续关注
--【玖】--:
严肃学习
--【拾】--:
我靠,要是能投币,我直接就给佬 3 个币
--【拾壹】--:
我要看答案
--【拾贰】--:
mark一下,期待更新
--【拾叁】--:
秒收藏,太有用了
--【拾肆】--:
佬可以搞个文档共建,大家一起维护
--【拾伍】--:
学AI,上L站
--【拾陆】--:
非常期待佬友的更新
--【拾柒】--:
大佬,有没有参考答案啊
--【拾捌】--:
支持佬,记得附上答案参考
--【拾玖】--:
那么、答案呢
Agent
-
如何定义一个Agent?它通常由哪些核心组件构成?
-
说下 ReAct 框架。它是如何将思维链和行动结合起来,以完成复杂任务的? 了解Plan-and-Solve吗 ,Reflection吗
-
在 Agent 的设计中,“规划能力”至关重要。请谈谈目前有哪些主流方法可以赋予 LLM 规划能力?(例如 CoT, ToT, GoT等)
-
Memory是 Agent 的一个关键模块。请问如何为 Agent 设计短期记忆和长期记忆系统?可以借助哪些外部工具或技术?
-
Tool Use是扩展 Agent 能力的有效途径。请解释 LLM 是如何学会调用外部 API 或工具的?(可以从 Function Calling 的角度解释)
-
请比较一下两个流行的 Agent 开发框架,如 LangChain 和 LlamaIndex。它们的核心应用场景有何不同?
-
在构建一个复杂的 Agent 时,你认为最主要的挑战是什么?
-
Agent 的短期记忆和长期记忆应该如何设计和配合?
-
什么是多智能体系统?让多个 LLM Agent 协同工作相比于单个 Agent 有什么优势?又会引入哪些新的复杂性?
-
多 Agent 协作时,如何设计 Agent 之间的通信和协调机制?
-
当一个 Agent 需要在真实或模拟环境中(如机器人、游戏)执行任务时,它与纯粹基于软件工具的 Agent 有什么本质区别?
-
如何确保一个 Agent 的行为是安全、可控且符合人类意图的?在 Agent 的设计中,有哪些保障对齐方法?
-
你用过哪些Agent框架?选型是如何选的?你最终场景的评价指标是什么?
-
有微调过Agent能力吗?数据集如何收集?
RAG
-
请解释 RAG 的工作原理。与直接对 LLM 进行微调相比,RAG 主要解决了什么问题?有哪些优势?
-
RAG 怎么解决 LLM 上下文窗口有限的问题?
-
RAG,Functioncall,MCP了解么,简单说下说说原理
-
Websocket和SSE区别是什么
-
一个完整的 RAG 流水线包含哪些关键步骤?请从数据准备到最终生成,详细描述整个过程。
-
在构建知识库时,文本切块策略至关重要。你会如何选择合适的切块大小和重叠长度?这背后有什么权衡?
-
如何选择一个合适的嵌入模型?评估一个 Embedding 模型的好坏有哪些指标?
-
除了基础的向量检索,你还知道哪些可以提升 RAG 检索质量的技术?
-
如何全面地评估一个 RAG 系统的性能?请分别从检索和生成两个阶段提出评估指标。
-
在什么场景下,你会选择使用图数据库或知识图谱来增强或替代传统的向量数据库检索?
-
传统的 RAG 流程是“先检索后生成”,你是否了解一些更复杂的 RAG 范式,比如在生成过程中进行多次检索或自适应检索?
-
RAG 系统在实际部署中可能面临哪些挑战?
-
什么是RAG中的"幻觉"问题?如何预防?
-
GraphRAG与传统RAG有什么区别?
-
如果RAG系统返回0个检索结果,你会如何排查问题?
-
了解Transformer 吗?
--【壹】--:
准备也学agent
--【贰】--:
好主意佬
--【叁】--:
感谢感谢啊
--【肆】--:
佬要不开文档共建贴吧
--【伍】--:
对哦,搞个文档共建,不行可以github共创
--【陆】--:
感谢佬!有无参考答案啊
--【柒】--:
非常支持,期待更新
--【捌】--:
持续关注
--【玖】--:
严肃学习
--【拾】--:
我靠,要是能投币,我直接就给佬 3 个币
--【拾壹】--:
我要看答案
--【拾贰】--:
mark一下,期待更新
--【拾叁】--:
秒收藏,太有用了
--【拾肆】--:
佬可以搞个文档共建,大家一起维护
--【拾伍】--:
学AI,上L站
--【拾陆】--:
非常期待佬友的更新
--【拾柒】--:
大佬,有没有参考答案啊
--【拾捌】--:
支持佬,记得附上答案参考
--【拾玖】--:
那么、答案呢

