大模型常见面试题与生产实践

文章目录

• [1 面试题](#1 面试题)
• • [1 如何确认检索结果是否可靠\](#1 如何确认检索结果是否可靠)
  • [2 如何保证大模型输出json可靠](#2 如何保证大模型输出json可靠)
  • [3 单agent 和 multi-agent系统有什么区别，分别适合什么场景](#3 单agent 和 multi-agent系统有什么区别，分别适合什么场景)

1 面试题

1 如何确认检索结果是否可靠\

不可靠分为： 1 召回不相关。2 关键信息漏掉 top-k没命中 3 来源过时 4 多源矛盾

1 离线评估

2 多来源一致性 交叉验证，不符合就降权

3 来源信任度

4 不可靠怎么救：1 rerank重盘 ，cross-encoder重新打分 ，2 query改写+二次检索， LLM改写query 再查一次，3 兜底，让模型说不会，转人工

5 用户透明： 把命中来源，置信度，是否多元交叉都暴露在前端，再加反馈按钮收点踩做闭环

2 如何保证大模型输出json可靠

1. Tool Calling 协议（主力）------bind_tools 把 Pydantic schema 转成 function schema，API 层强制 LLM 只能产合规 tool_calls，框架返回已解析对象，根本不经过"写字符串再 parse"
2. Pydantic schema 校验------参数灌进 BaseModel，类型/必填/长度/enum 不符即 ValidationError
3. schema 适配 + 入参清洗------_GeminiToolSchemaFixer 补 Gemini array items；_coerce_json_string 自动还原字符串化 JSON
4. 校验失败 → ReAct 回环------VALIDATION_FAILED 回给 LLM 自我修正，不致命终止
5. 文本场景多级降级------分析报告 XML 主 + JSON 兜底（正则抠 {...}）；轻量分词固定行格式 + 失败 fallback

3 单agent 和 multi-agent系统有什么区别，分别适合什么场景

单agent 是一个大模型挂一套工具，自己规划自己执行；multi-agnet是多个角色分工，外加一个协调者。

通信是关键差异，单agent不存在通信问题lmulit-agent必须设计共享memory,消息总线，还有调度中 心。

还有状态问题，单agent自己一条线写;mult-agent多个角色同时改，必须做版本隔离，冲突合并。

任务分配也分两套，单agent时react串行循环;multi-agentyaoyou planner拆任务，router决定派给谁，aggregator收结果

任务垂直，链路清晰，上下文补偿，延迟敏感的场景，用单agent。

任务可拆，需要跨域专家，能容忍更高延迟，比如代码生成里，写测试和改代码 分两个agent跑

可观测也是分水岭：单agent顺一条trace就能排查清楚;multi-agent要追每个agent，加上他们质检所有通信日志才行。