生产级 Agent 面试 11 问：从 ReAct 背诵到工程落地的差距

📝

面试官问「生产级 Agent 怎么设计」，背 ReAct/Function Calling/Skills 是不够的。本文用 PaiCLI 项目实战拆解 11 道核心面试题：多模式共享 Harness、Map-Reduce 上下文压缩、时间衰减记忆、渐进式 Skill 加载、智能客服四层架构、大促削峰五道防线。

原文链接：面试官皱眉：”让你负责一个生产级 Agent，你会怎么设计？”
作者：沉默王二
项目：PaiCLI-Python（MIT，Python）

概念谁都会背，但能把概念落成生产环境里跑得起来的工程细节，这才是面试官真正想听到的。

01 多模式 Agent 的 Harness

PaiCLI 支持三种运行模式——ReAct 主循环、Plan-and-Execute、Multi-Agent 多角色协作。三种模式共用一套基础设施：

工具注册表
记忆系统
安全审批
审计日志

核心挑战：同一操作在不同模式下行为一致。比如文件写入在 ReAct 和 Multi-Agent 模式下都要弹审批；ReAct 模式存下的用户偏好切到 Plan 模式也要能读到。这就是 Harness——模式可换，底座不动。

02 Map-Reduce 上下文压缩

压缩策略分三步：

步骤	操作	细节
切片	旧消息每 5 条一组	-
Map 摘要	每片独立生成摘要	保留需求意图、操作结果、决策结论
Reduce 合并	多片合并为整体摘要	单片 ≤200 字，合并 ≤300 字

压缩完成后清空旧消息，摘要写回对话历史，最近 3 轮完整对话原样保留。模型下一轮看到的是「摘要 + 最近几轮」。

03 三层防丢保护

压缩必然丢失信息，没有无损压缩这回事。

层	机制	说明
第一层	事实提取	压缩前把跨会话稳定事实（交易金额、用户偏好）存入长期记忆，不参与压缩
第二层	摘要指令	压缩 prompt 明确要求保留需求意图、操作结果、决策结论、技术细节
第三层	近期缓冲	最近几轮完整对话原样保留，不压缩

04 时间衰减记忆

用户一个月前说喜欢吃辣，一周前又说不能吃辣，怎么判断？

两条记忆都存，不强行合并、不强行删除
检索时按时间衰减打分，越新权重越高
PaiCLI 衰减曲线：24 小时从满分衰减到半分
旧记录不删——万一「不能吃辣」是临时状态，过两周恢复了？

关键决策：PaiCLI 没用向量数据库存记忆。几百上千条事实信息用关键词匹配就够——毫秒级、可解释、可调试。向量数据库适合 RAG 知识库（几十 G 文档）。

05 记忆更新策略

步骤	说明
语义检索	找旧记录
删除旧向量	-
重新 embedding	新内容向量化
写回	加乐观锁/时间戳防冲突

06 重要信息的定义

「跨会话仍然成立、未来复用仍有价值的稳定事实」

三层过滤：

过滤层	规则	示例
排除临时任务	开头含”用户想””帮我””创建””删除””本次任务”	“帮我写个脚本”
排除推测	含”可能””应该””猜测””推测”	“可能是 bug”
保留持久信号	含”偏好””习惯””项目””仓库””配置””版本””技术栈””约定””规则”	“项目用 pytest”

07 指数退避重试

重试	等待时间
第 1 次	500ms
第 2 次	1s
第 3 次	2s
上限	30s

每次 +20% 随机抖动，避免惊群效应。可重试：408/429/5xx、网络异常、流式中断。不可重试：SSL 错误、JSON 解析错误、线程中断。服务端返回 Retry-After 头时取较大值。

08 Token 消耗排查

三个高发原因：

工具输出太长 — 一次 shell 输出几万字符塞进上下文
压缩触发太晚 — 默认 90% 才触发，调低到 80%
上下文膨胀 — 同一信息反复检索注入，去重不到位

09 Skill 渐进式披露

不用的 Skill 不进上下文，用到的时候再展开。

阶段	操作
启动时	名称 + 一句话描述注入 system prompt（单条 ≤500 字符，最多 20 个）
按需加载	模型主动调用 `load_skill` 加载完整指引
注入缓冲	写入缓冲区，下一轮自动拼到用户消息前（最多保留 3 个，LRU 淘汰）

20 个 Skill × 2000 token = 40K token 常驻 vs 按需只加载 1-2 个。

10 智能客服 Agent 四层架构

1	意图识别 → 知识检索(RAG) → 工具执行 → 兜底升级(转人工)

关键设计：

准确性：chunk 512-1024 token + 20% 重叠 + Reranker 二次排序
延迟：流式输出 + 高频问题缓存
安全性：防提示词注入（工具返回不可信数据）、敏感信息脱敏
兜底：连续两轮无效回答或用户要求 → 立即转人工

11 大促流量尖刺五道防线

防线	机制
① 请求队列异步化	消息队列解耦，前端秒级返回”处理中”
② 模型分层	简单问题走小模型/规则引擎，复杂问题才走大模型
③ 热点缓存	高频问题预生成答案缓存（支持手动失效）
④ 限流保护	每用户每分钟请求数上限
⑤ 熔断降级	LLM 延迟/错误率超阈值 → 模板答案或转人工

核心启示：以前面试考 CRUD 和中间件参数，现在考的是上下文怎么压缩、记忆怎么管、Token 怎么省、流量来了怎么扛。Agent 工程化才刚刚起步，谁先把坑踩过一遍，谁就有了别人没有的底气。