Oncall Agent项目

langchain

运用systemMessage/humanMessage统一了一个标准化的对话模式。

在langchain中实现ReAct设计模式，会一直是一个while循环，程序员看不见里面的运行。

用了LangGraph后，将think-act-observer变成了一个个结点。程序员更好观察。

ReAct

cline和LLM直接交流，使用的格式是json，也可以是xml。

思想是 - 三部曲 think act observe

将LLM给的复杂问题拆分一个个，一轮轮解决。

Plan-Exe

使用LangGraph，将plan，exe，replan的结点挂在langgraph上。

先制定总计划-执行一步-再查询计划

RAG

分块，embeding，存储到数据库中

1. 先分块chunk，按行分的chunk。
2. 调用 LangChain 的 Embeddings 模型，向量化。
3. 然后将其存储到chorma中。

embeding，召回，重排

1. 将查询文本向量化
2. 再相似度查询召回top-5
3. 再从5条中重排top-3
4. 最后查询文本+重排后的top-3都成prompt

对话agent

多轮对话，工具调用，

用ReAct设计模式

运维Agent

点击一下右上角的AI Ops，我的这个项目会根据MCP Server中的【监控工具】，自动模拟出一个性能错误（如cpu_high）。然后agent查【知识库cpu_high_usage】，根据里面的步骤查MCP Server中日志工具，找到问题。

用的Plan-Execute-Replan设计模式。

因为运维会有一套自己固定的找根因的流程。

SSE技术，为什么不用websocket？

websocket适合s和c，双向实时交互，⽐如在线聊天

SSE会⼀段⼀段地向客户端推送数据

SSE怎么实现的？

将HTTP头部的Content-Type改成text/event-stream

MCP

原理：如果没有MCP，不同的大模型，工具适配非常麻烦。

引入了MCP（MCP SERVER，MCPhost），这些工具写在MCP中，方便。

这样回答面试官：MCP制定了一套协议，通过MCP host和MCP server使得不同的LLM和不同的tool间适配。

MCP Host-------------------------------MCP Server

1. 在我们用户没用问问题前，就握手了。MCP Server把工具告诉MCP Host。
2. 问问题后，MCP Host带着参数去找MCP Server。

什么机制可以保持上下文？

第一层，保留最近5轮对话的完整内容，这部分会直接放入prompt中，

第二层，摘要记忆，当对话轮数超过5轮时，会把第5轮之前的对话进行摘要压缩。5轮对话压缩成2-3句话。

在LangGraph框架中，1句话实现。

你的工具集有哪些Tool，分别有什么功能？

1. 是知识库召回工具，从向量数据库中召回最相关的3份片段
2. 监控工具
3. 日志工具。