综合模拟面试 6 · 快速连珠炮#

面试官画像: 面试末尾的快速问答轮，每题期望 15-30 秒回答 时长: 15 分钟 · 难度: ★★★☆☆ 覆盖方向: 广度扫描，考察对各模块的掌握深度

---

连珠炮#

Q: AgentLoop 和 ReAct 的核心区别？ A: AgentLoop 有 Reflect 阶段做收敛判断（“够不够”），ReAct 没有。AgentLoop 支持自适应步数，ReAct 是固定的 Reason+Act 交替。

Q: recursion_limit 为什么是 MAX_ITERATIONS × 2 + 1？ A: LangGraph 按 super-step 计数，一轮 Think→Act = 2 个 super-step，+1 最终响应。

Q: 同质 fork 的”同质”是什么意思？ A: 共享完整工具集、system prompt、中间件栈。能力同质但授权不同质——depth_gate 硬拦聚合/终结工具。

Q: ContextVar vs module dict 什么时候用哪个？ A: 隔离用 ContextVar（thread_id、fork_depth），聚合用 module dict（检索预算、候选登记表）。

Q: 为什么不摘工具而是哨兵拦截？ A: 摘工具改 system prompt 破坏 prompt cache 前缀匹配。cache miss ~11000 token vs 无效 tool_call ~50 token。

Q: Cache Breakpoint 的核心洞察？ A: 脱离缓存谈压缩，省下的都是假的。盲目压缩命中率 85%→15%，综合成本 +297%。

Q: curator 和 shopping_summary 的 new_preferences 什么关系？ A: summary 不再写偏好。curator 会话结束后统一扫全轮对话提取。更全面更一致。

Q: 两段式 KB 检索为什么比一次性语义搜索好？ A: 一次性搜索混品类（“旅行包”混进”旅行杯”）。两段式先定品类再取卡，precision 大幅提升。

Q: 为什么先校准 judge 再改 Agent？ A: 低分可能是 judge 误判。校准后 +61%，一行 Agent 代码不动——尺子歪是主因。

Q: 延迟治理的核心洞察？ A: ~96% 是 LLM 解码时间。后端代码优化收益约等于零。四刀减法：关 reasoning、预置 planner、不逐件重写、追问不开 reasoning。

Q: 四档模型路由降级的 fallback 怎么做？ A: 不调 LLM。有候选 → 用 picks 拼清单；无候选 → 如实说”编造商品不是选项”。

Q: L3 内容过滤为什么命中替换而非拒绝？ A: 拒绝 = 给攻击者廉价 DoS 手段。一条假商品注入就能瘫痪检索。

Q: P0 自动修规则为什么真实 baseline 产 0 条？ A: 两道闸精确拦住 judge 假阳性——“泄露”只在轨迹里不在用户可见文本里。

Q: 工具 RT 告警为什么用三态状态机？ A: 两态边界抖动频繁翻转。三态加滞回带消除毛刺。

Q: 你觉得这个项目最大的不足？ A: LLM 单点依赖 + 进程内状态 + 数据偏斜。每个有升级路径但还没做。

Q: 项目最能体现什么能力？ A: 技术判断力——知道什么不做。每个”不做”都有”什么时候该做”的标准。