数据STUDIO

AI 面试问“Agent 死循环怎么办”,只答“限制步数”够吗?

Image

最近翻一份 AI 面试题库,看到一道题:Agent 为什么会陷入死循环?怎么防?

我第一反应也是:设个最大步数呗。

这个答案没错,但往下想,就有点不够用了。

假设 Agent 一直调用同一个工具,每次都得到差不多的报错。它可能还没跑到步数上限,时间和 Token 已经花了不少。即使最后被强制停下,我们仍然得弄清:它为什么一直原地打转?

一道看起来会答的题,顺着追问两层,就能看出自己有没有想透。

01“限制步数”之后,还有几个问题

先看最容易想到的办法:给 Agent 设置最大执行步数。

这能防止它无限运行。但每一步花的时间、消耗的 Token,并不一定相同。只限制步数,还不能把整个任务的消耗管住。

所以,这道题的答案里还提到了另外两道限制:总耗时和 Token 消耗。三项里任意一项触顶,就应该停止继续执行。

Image

还有一种情况值得提前识别:工具调了好几次,参数、报错和任务状态却没什么变化。

这时候,让它继续“努力”未必有意义。系统需要检查重复调用和任务进展,并且明确:做到什么程度算完成,遇到什么情况需要退出。

这些限制要由程序执行,不能只在 Prompt 里提醒模型“请适时停止”。

如果面试官继续问“你怎么判断没有进展”“停下后给用户返回什么”“任务能不能恢复”,就有了继续讨论的方向。

我觉得这种题值得花时间,正是因为它能把一个听过的概念,拉回具体的项目里。

02RAG 效果不好,你会先改哪里?

题库里另一道题也很适合拿来自测:一个 RAG 系统上线后效果不好,你怎么排查?

如果直接回答“换个更好的模型”,对方大概还会追问一句:你怎么确定问题出在模型?

正确资料根本没被检索出来,和资料已经找到了、回答却没有依据资料,是两类不同的问题。

前一种,要去看检索过程:文档分块是否合适,查询有没有表达清楚,相关资料能否被召回;后一种,则要检查模型是否忠实使用了提供的材料。

Image

下一步也不是把分块、Embedding、Prompt 一起换掉。可以先固定一组有代表性的问题,每次调整一个因素,再对照结果。

说清“先查什么、为什么查、改完怎么验证”,比列出一串技术名词更能体现理解。

这也是这份题库值得看的地方:同一个知识点,会继续往方案选择、失败处理和效果验证上问。

03150 道题,适合当成一份自测清单

前面两道题,都来自这份 《150 道 AI 面试题知识库》。

整份内容分为 14 个主题,从大模型基础、API 与结构化输出、Prompt、RAG、Agent,一直覆盖到部署、评估、生产可靠性、安全和成本。

Image

它适合准备 AI 应用开发相关岗位面试的人,也适合已经做过一些项目、想检查知识盲区的人。

如果你做过知识库问答,可以先看 RAG、数据与知识工程、应用侧评估;如果你正在搭 Agent,可以先看工具调用、上下文管理、中断恢复和权限边界;如果项目已经准备上线,重试、限流、降级、成本与监控这些题,也值得单独过一遍。

不用一上来就从第 1 题刷到第 150 题。先找和自己的项目最相关的部分,更容易知道哪些答案需要补上实际案例。

04再往下练,还有一份 Agent 系统设计面试配套资料

刷单题时能答出来,放到一个完整项目里,还能不能接住连续追问?这次还可以免费领取《AI Agent 系统设计面试现场面试题答案》,和 150 道题配着用。

这份配套资料以思维导图的方式展开,包含检索、意图识别、上下文管理、执行核心、评估和反馈,以及一份 Agent 模拟面试题。适合在梳理单个知识点之后,练习把它们连成一套系统设计思路。

比如,聊到 RAG,追问会从“文档怎么入库”一路延伸:支持哪些文档类型?切分后除了正文和向量,还要保存哪些 Metadata?召回结果最终怎样交给模型?

Image

聊到评估,也会继续问:为什么用 LLM-as-a-Judge?它的输入包括什么?如果负责打分的模型自己判断错了,又该怎么发现?这时就需要谈人工标注样本、评分标准,以及模型评分与人工判断的一致程度。

Image

意图识别部分则把问题继续接到后面的流程:不同意图会加载哪些上下文、调用哪些工具,输出格式怎样校验,识别结果和权限控制又如何衔接。

Image

150 道题用来查漏补缺,这份配套资料用来练“面试官接着问,你怎么往下答”。

建议把导图里的问题当成追问清单,先按自己的项目回答,再核对资料中的思路。涉及技术选型、数量或阈值的地方,也要结合自己的业务条件说明,回答时才更有依据。

05先合上答案,自己讲三分钟

很多内容,看答案时会觉得“这个我知道”。

换成自己从头讲一遍,感觉可能完全不同:原理能讲,方案为什么这么选却说不清;正常流程能讲,一到失败重试、权限控制和效果评估,就开始含糊。

我的建议是,每次挑几道题,先不看答案,试着回答三个问题:

① 我会先怎么判断问题出在哪里?
② 为什么选这个方案,什么情况下它不适用?
③ 做完之后,用什么结果证明它有效?

卡住的地方,再回去看答案、查资料,补上自己项目里的例子。

这样准备,题目才能帮我们把零散的知识串起来。面试时问题换一种问法,也更容易接着往下讲。

《150 道 AI 面试题知识库》完整版 + AI Agent 系统设计面试配套资料,限量免费领取。

扫描下方海报中的二维码,添加企业微信,即可获取 150 道题完整版和免费配套资料。

Image
Image

下次再看到一道“好像会答”的题,不妨先把答案遮住,试试看。

Image