Agent 开发一面面经

#离开互联网，发现外面并没有下雨#
面试时间：10.21，美团 Agent 开发，日常实习。
结果：凉。今天收到通知，正好有空写一下。

体感：面试官特别细，一个问题往下钻三层。属于那种你糊不过去、但他也不会为难你的类型。

问题清单

1. 自我介绍。
2. 为什么想做这个智能运维 Agent？
3. 描述一下整个系统怎么运转的，中间件选型的依据是什么。
4. 为什么用 RAG？现在上下文窗口这么大了，为什么不直接把原始文档全丢给 Agent 让它自己查？
5. 十篇以上文档，或者让它读一个很大的代码仓库，用 RAG 和让它自己 grep，不考虑 token 消耗的情况下，各有什么优劣？（这题我答得不完整）
6. 从原始文档到最终答案，切块、索引、存储、检索、排序，哪几步对效果影响最大？
7. 如果你的 Markdown 没有标题，怎么切？
8. 混合检索里，关键词检索有什么优缺点？向量检索有什么缺点？
9. chunk 一两百字，query 就三五个字，怎么把短 query 和长 chunk 放到同一个空间比？你对比过长 query 和三字 query 的向量召回差异吗？
10. 除了压缩，长 query 还怎么处理？
11. 父子索引解决什么问题？父块多大、子块多大，为什么这么定？
12. 知识库持续更新，旧的向量怎么失效？
13. 召回结果互相矛盾的时候，谁说了算？
14. 工具调用返回结构怎么设计？
15. 上下文超窗口，滑动窗口和动态摘要各自的坑。
16. 你这个系统上线了吗，日均多少请求？

第 7 题是我当场卡死的地方。我项目里所有文档都有标题，因为我手动整理过。面试官一句"那真实业务里的文档呢"，我直接没词。

复盘

这场凉得心服口服。

但复盘下来，我发现一个挺反直觉的事：RAG 面试里，最难的问题全都跟向量库选型无关。

你用什么库、什么索引、什么距离度量，面试官基本不问，因为这层已经商品化了，谁来都一样。他问的全是脏活：文档没标题怎么办、表格被 chunk 从中间截断怎么办、旧文档还在召回怎么办、父子块比例为什么是四比一。

这些问题的共同点是，它们都不是"技术选型"，是"数据在真实世界里长得很丑"。

所以 RAG 的门槛从来不在检索，在清洗。

我一直以为自己做过 RAG，其实我只是做过一个"数据已经被我整理干净"的 RAG。这两者之间的差距，就是实习和玩具的差距。

(那天被问到最后我甚至开始怀疑自己切块策略是不是抄的，因为我说不出为什么是 512。)

回去把切块那段代码重写了一遍，加了按标题、按表格、按代码块三种 splitter。

不是为了下一场面试，是因为第七题真的问到点子上了。

文档不会自己长标题。

—— AIGC小白入门记
#晒晒我的offer##秋招面试记录#