虾皮Agent开发面试真题及答案
11 道题，按知识分类阅读完整解析和面试追问。
大模型基础面试题1 道
余弦相似度、点积和欧氏距离有什么区别？向量检索应该怎么选？
用二维向量比较余弦、点积和欧氏距离，解释长度、方向、归一化等价条件与分数方向，并说明向量检索度量的选型方法。
RAG面试题5 道
RAG 文档切片越小越好吗？Chunk Size 应该怎么选？
RAG 切片不是越小越好。小块通常更聚焦，检索时容易定位到某句话，但可能把主规则、前提和例外拆开；大块能保留更多上下文，却可能混入无关内容，增加重排和模型输入的负担。
RAG 混合检索怎么做？关键词与向量检索的融合
RAG 用混合检索，主要是因为关键词和向量检索擅长的题不一样。像 E_CONN_RESET 这样的错误码、订单号或条款编号，关键词匹配通常更直接；用户把原文换一种说法来问时，向量检索又更容易找到语义相近的片段。
RAG 怎么处理 PDF 表格？为什么数字都识别出来了，答案还是错？
处理 PDF 表格时，不能只提取文字，还要保留表格的结构。例如“100”这个数字，到底是 100 GB 存储，还是最多 100 个成员，取决于它所在的行和列。解析时需要保存套餐名称、列标题、单位，以及合并单元格、脚注和跨页关系。
多模态 RAG 是什么？图片和文字应该怎样一起检索？
多模态 RAG 是把文字、图片等不同形式的资料用于检索增强生成。它不只是把图片做一次 OCR，再全部当成文字处理。实现时，可以给图片建立文字描述，也可以使用能够匹配文字与图像的检索模型；文档页面还可以采用专门的视觉检索方式。
BM25 算法是什么？和 TF-IDF 有什么区别？
用具体检索例子解释 BM25 的词频饱和、IDF 和文档长度归一化，比较 TF-IDF，并说明关键词检索的适用边界。
Agent面试题4 道
Agent 和 Workflow 有什么区别？实际项目中应该怎么选？
Agent 和 Workflow 的本质区别，是执行路径到底有谁来决定。Workflow 的步骤处理主要是有代码预设决定好的。那么即使中间调用了大模型，但是它本质仍然可以是 Workflow 预定好的流程。
单 Agent 和多 Agent 应该怎么选？什么时候才需要 Handoff？
我不会默认把任务拆成多个 Agent。先用单 Agent 加明确工具，看看它是否已经能稳定完成任务。如果主要问题只是步骤多，未必需要多 Agent；真正值得拆分的，往往是专业上下文、工具权限或对话责任需要分开。
Agent 上下文太长怎么办？压缩与关键信息保留
Agent 的上下文压缩，不能只是把聊天记录缩写一遍。因为后面的执行依赖前面留下的目标、限制、证据和进度，漏掉其中一项，任务就可能走偏。因此，我会先把这些内容分开处理：当前目标和操作限制单独保留；已经完成的过程整理成摘要；
多 Agent 如何传递上下文？怎样避免信息丢失和相互污染？
多 Agent 传递上下文，不应该默认复制全部聊天，也不能只发一句简短任务。应该根据子 Agent 的职责，提供目标、必要背景、共同约束、可用资料和输出要求。例如比较两款软件，一个子 Agent 调查功能，另一个调查部署方式。
AI项目与系统设计面试题1 道
如何设计企业知识库问答系统？文档更新、权限和评测怎么做？
企业知识库问答，我会拆成两条链路。离线链路负责文件解析、切片、元数据和索引，尤其保留来源、版本、生效时间、所属空间与权限标识；在线链路负责身份验证、权限过滤、检索、上下文组装、生成和引用。文档更新不能直接把半成品暴露给用户。
真题根据求职者公开面经整理，题意经过概括，非逐字原话或公司官方题库；本文为 Sunday 的独立解析。