vishine
搜索…⌘K
ZH EN
路线图

面试 · 方案设计型

星辉 2026-07-02 阅读 3 min 621 字 路线图
面试 · 方案设计型 封面

考察目标：系统性设计能力，把零散知识串成完整方案 约 8 题，覆盖 AI Agent 工程典型设计场景 说明：每题分「题干」（标题）与「参考答案」两段。Confused Deputy 防护、预算分级、技能供应链等通用模块统一引用其规范条目（见 3-原理 Q11 / 4-场景 Q6 / 6-岗位分支 Q6），不逐题重复。

Q1：设计企业知识库 Agent#

参考答案

核心模块：

text 
[文档接入] → [解析+Chunking] → [Embedding+Vector DB]
                                        ↓
[用户提问] → [Query Rewrite] → [Hybrid Search] → [Rerank]
                                        ↓
[权限过滤] ← [Context Filter] ← [Top-k 截断]
                                        ↓
[Prompt 拼装] → [LLM 生成] → [引用溯源] → [RAG Eval]

关键设计点：

  1. 文档解析：Marker/Docling 处理 PDF，保留结构；按 heading 切分
  2. Embedding：BGE-M3 / Qwen3-Embedding，中文友好
  3. Vector DB：Milvus（千万级）或 pgvector（中小规模）
  4. Hybrid Search：向量 + BM25 + RRF 融合
  5. Rerank：BGE-Reranker-v2-m3
  6. 权限感知检索：metadata filter 按用户权限过滤（部门/级别/项目组），检索时就过滤而非召回后过滤
  7. 引用溯源：每个事实陈述后附 [cite_id]，并在 system prompt 强制"基于证据作答、不足即拒答"（忠实度不靠调 temperature，见 4-场景 Q2）
  8. RAG Eval：Ragas 评 faithfulness / context_precision / answer_relevancy

业务接入：飞书/企微/钉钉 IM 渠道，异步任务模式（长任务不阻塞）

准确率提升路径：Query Rewrite（HyDE/Multi-Query）→ Rerank → 引用强制 → Eval 回归

Q2：设计 MCP 工具平台#

参考答案

核心架构：

text 
[MCP Server Registry] ← 注册/发现/版本管理
        ↓
[权限/审计/限流层]
        ↓
[MCP Server Pool] ← 多个 Server 并行
        ↓
[MCP Client] ← Agent 侧
        ↓
[工具调用] → [结果回灌]

关键设计点：

  1. 工具标准化：MCP 协议，统一 schema；支持 Client 端原语（Sampling/Roots/Elicitation，见 1-概念 Q5）
  2. 注册/发现：Server 注册到 Registry，Agent 通过 Registry 发现工具
  3. 权限：5 级权限分级（公开读 → 不可逆），Human Approval 流程
  4. 审计：所有调用记 who/when/what/result
  5. 限流：按 user/tenant/tool 维度限流
  6. 失败回滚：工具事务（多工具组合的原子性）+ compensating action（Saga，见 6-岗位分支 Q5）
  7. 防恶意 Server（Confused Deputy）：平台侧落地要点——每任务 scoped token + 按请求者身份鉴权 + 严禁 token 透传上游（校验 audience + PKCE）；完整定义、危害放大与防护清单见 3-原理 Q11，此处不重复。

Q3：设计 Coding Agent Runtime#

参考答案

核心模块：

text 
[Repo Context] → [任务理解] → [Plan]
                              ↓
[File Edit] ← [Agent Loop] ← [Tool Calling]
      ↓                       ↑
[Test Loop] → [失败?] → [改代码] → [再测试]
      ↓ (成功)
[Diff Review] → [Hooks 拦截] → [人工 Review]
                              ↓
                        [Merge]

关键设计点：

  1. Repo Context：选择性读文件，不全塞上下文（embedding 检索相关代码，Context 工程见 3-原理 Q12）
  2. Worktree 隔离：每个任务独立 worktree，不影响主仓库（Claude Code / Codex 均支持）
  3. Shell 权限：分级（read-only / 写入 / 部署），沙箱执行
  4. Test Loop：改完必跑测试，失败分析后改代码再跑
  5. Diff Review：自动 review（lint/security scan）+ 人工 review
  6. Hooks：PreToolUse 阻止删生产代码、PostToolUse 自动审计
  7. 长任务恢复：Checkpoint + Resume，断点继续
  8. 预算治理：Step/Token/Cost Budget（分级阈值见 4-场景 Q6）

Q4：设计 Office Agent（WorkBuddy 类）#

参考答案

核心模块：

text 
[任务接收] → [任务拆解] → [并行子任务]
                              ↓
[数据分析/报告生成/表格处理/图像生成]
                              ↓
[交付物汇总] → [人工确认] → [输出]

关键设计点：

  1. 办公任务拆解：复杂任务拆成子任务（"做 Q3 营收分析报告" → 拉数据 + 做图表 + 写结论）
  2. 并行子任务：multi-agent 并行（数据 Agent + 图表 Agent + 文字 Agent），只在子任务真正独立时才上多 Agent（取舍见 3-原理 Q4）
  3. 交付物生成：报告（Markdown/PDF）、表格（Excel）、图像（图表/截图）
  4. IM 渠道：飞书/企微/钉钉，卡片式推送结果
  5. 人工确认：关键交付物（如对外报告）需人工审批
  6. 交付物质量评估：自动 eval（数据准确性、报告完整性、格式规范）

Q5：设计 Personal Agent（OpenClaw 类）#

参考答案

核心模块：

text 
[本地 Runtime] ← [Channel Adapter]
        ↓
[Skills 系统] ← [ClawHub Marketplace]
        ↓
[设备权限] ← [浏览器/邮件/日历/文件接入]
        ↓
[长期记忆] ← [OAuth 凭证]

关键设计点：

  1. 本地运行：守护进程，资源占用低，离线能力
  2. 邮件/日历/浏览器/文件接入：Channel Adapter 模式
  3. Skill 管理：触发条件、优先级、权限声明
  4. OAuth 安全：不存用户密码，存 token，最小化 scope
  5. ★ 防技能供应链攻击：来源审核（白名单）+ 静态扫描（隐藏脚本/依赖劫持）+ 沙箱试运行 + 回滚（供应链四件套详见 6-岗位分支 Q6）
  6. ★ 保护长期记忆：敏感字段（email/cc/账号）写入需人工确认 + 记忆审计 + 回滚（详见 6-岗位分支 Q6）
  7. 防 Confused Deputy：个人 Agent 场景落地要点——每任务 scoped 权限、按请求者校验、敏感操作二次确认；完整清单见 3-原理 Q11。特别注意：个人 Agent 的邮件/网页/文件都是间接注入入口（见 1-概念 Q11），注入 → 越权是主威胁。

Q6：设计 Agent 工作流平台#

参考答案

核心模块：

text 
[Workflow Editor] ← 可视化/代码
        ↓
[Workflow Engine] ← 节点/边/条件/并行/循环
        ↓
[State Storage] ← Checkpoint/Resume
        ↓
[HITL] ← 审批/问答
        ↓
[Trace] ← 转 Dataset

关键设计点：

  1. Workflow/Graph：节点（LLM/工具/条件/代码）+ 边（条件/并行/循环）
  2. 状态与边：状态机 + DAG + 带环图
  3. Human-in-the-loop：4 种模式（Approval/Q&A/Plan Review/Result Review）
  4. Checkpoint/Resume：关键节点存 checkpoint，断点恢复
  5. 版本化：workflow 有版本号，灰度发布（10% 流量新版）
  6. 执行 Trace：每步记录，转 dataset 做回归
  7. 多租户：tenant 隔离（数据/配额/凭证）

Q7：设计 Agent 评测与可观测平台#

参考答案

核心架构：

text 
[Trace 收集] ← Run/Step/LLM·Tool Call
        ↓
[Trace Storage] ← 按 run_id/user_id/task_id 索引
        ↓
[Eval Engine] ← Task Success/Tool Success/Trajectory/Cost/Latency
        ↓
[Regression Dataset] ← 线上失败 → eval case
        ↓
[Benchmark Integration] ← τ-bench/SWE-bench/Terminal-Bench/GAIA/WebArena

关键设计点：

  1. Trace Schema：Run → Step → LLM·Tool Call 三层结构
  2. 工具选择评估：标注 golden tool，算准确率
  3. 轨迹评估：LLM-as-a-Judge 评轨迹合理性
  4. LLM-as-a-Judge：用强模型评弱模型，多 judge 投票，人工校准——必须处理 position/verbosity/self-preference 偏差（偏差与校准方法见 3-原理 Q14）
  5. 回归集：线上失败 → 人工标注 golden → 发版前必跑
  6. ★ 基准谱系：对接 τ-bench（工具/客服）/ SWE-bench（编码）/ Terminal-Bench（终端）/ GAIA（通用）/ WebArena（浏览器）——各测什么维度、局限、为何不能互相替代见 1-概念 Q10；报 pass@1 + 环境版本，防过拟合

Q8：设计安全 Agent Runtime#

参考答案

核心模块：

text 
[Input Guardrail] → [Agent Loop with Permission] → [Output Guardrail]
                              ↓
[Tool Permission] ← [高风险识别] ← [Hooks 拦截]
        ↓
[Human Approval] → [Sandbox 执行] → [Audit Log]
                              ↓
[Cost Limit] ← [Prompt Injection 防护] ← [Confused Deputy 防护]

关键设计点：

  1. 高风险工具识别：5 级权限分级（公开读 → 不可逆）
  2. 权限最小化：每任务 scoped 权限，最小必需
  3. 人工审批：高风险操作（删除/转账/部署）必审批
  4. Prompt Injection 防护：分层防御——输入侧过滤 + system prompt 加固 + 数据/指令隔离 + 输出侧对高风险动作二次校验 + dual-LLM（隔离 LLM 无权限、特权 LLM 不见原文） + 权限约束 + 监控（直接/间接注入拆解与 dual-LLM 原理见 1-概念 Q11）
  5. ★ Confused Deputy 防护：凭证最小化委托 + 按请求者身份校验 + 审计每条调用 + 敏感操作二次确认 + 跨跳/跨会话再校验（规范清单见 3-原理 Q11）
  6. 沙箱：文件/网络/进程/资源/凭证隔离
  7. 成本·循环限制：Step/Token/Cost Budget（阈值见 4-场景 Q6），max_consecutive_same_tool
  8. 逐步审计：所有操作可追溯
  9. 防恶意 skill：来源审核 + 静态扫描 + 沙箱试运行 + 回滚（见 6-岗位分支 Q6）