一些自己在网上搜刮的面经题目路过的牛爷爷可以试着答一答，附上自己的答案，如果有更好的答案也可以拷打我，如果有别的比较好的题目也可以评论里发一发。

Agent是什么？一个 Agent 系统一般由哪些模块组成？

Agent是具备规划、记忆、工具调用、自我执行能力的系统

Tool 是什么？什么样的功能应该做成 Tool？

tool是提供给Agent的函数，大语言模型不能独立完成的任务以及需要实时性的能力应该做成Tool

Memory 分几种？Short-term / Long-term memory 怎么实现？

最基本的记忆分为短期记忆记忆长期记忆，在此基础上又扩展出了指令记忆以及工作记忆

• 指令记忆：代码的书写格式等行为规范，一般写在静态文件里加载到系统提示词中。
• 短期记忆：会话的聊天记忆，通常会滑动上下文，可以结合摘要记忆。
• 工作记忆：任务的进度，偏移量等，一般也是静态文件。
• 长期记忆：用户画像，以及内部数据库等信息。

Agent 进行任务规划时什么时候选择ReAct，什么时候选择Plan-Execute？

简单、不确定性高的任务选择ReAct，可以边思考边执行效率高。

确定性强步骤多的任务选择Plan-Execut，可有效防止任务漂移，且可并行运行。

多 Agent 协作是怎么做的？

多Agent的核心是：分工，通信，协调。

1. 分工：每个Agent负责一部分。
2. 通信：通常是通过共享黑板，或者链式传输，去实现。
3. 协调：主从、流水线、竞标，协作等。

• 主从：有个一master节点负责，把任务交给哪个节点去做。
• 流水线：多个节点按顺序执行任务。
• 竞标：在处理一个任务时让每个节点去自己给自己打分，选择分数最高的去执行这个任务。
• 协调：让节点之间自己分工自己合作通过共享黑板去一起解决。

RAG的流程

数据获取 -> 数据切割 -> 向量化 -> query改写 -> 检索 -> 重排 -> 生成

有哪些数据切割方式？

1. 重叠切割：给相连的chunk之间保留一部分重叠区域一般在块大小的10~20
2. 句子窗口切割：使用NLP工具将段落以句子切割，以句子为单位放进chunk中。
3. 父子切割：将句子以大小两种方式切割，小的为子块用于检索，大的为父块用于生成。

Chunk大小怎么决定

1. 看embedding模型的token上限。
2. 看使用场景，用户的输入有多长，期望输出是多长。
3. 实验验证：用不同的粒度去测试效果

向量召回不准怎么办？

首先确认是因为什么原因召回率低：