企业官网建设流程全解析

这三个是AI Agent / RAG 岗位面试绝杀三连问，我给你写最标准、最详细、面试官最爱听、能直接背的完整版答案，每个问题单独成体系，你面试遇到直接照着说就行。

一、Agent 出现幻觉怎么解决？

1. 什么是幻觉

模型编造不存在的信息、乱答规则、瞎编订单号、胡说政策，看起来很合理但实际是错的。

2. 核心解决思路（工程化标准答案）

1. 基于 RAG 检索增强，强制模型只能用检索到的知识回答
   不给模型自由发挥空间，严格遵循知识库内容，不知道就说不知道。

2. Prompt 工程约束

   • 明确要求：“仅根据提供的参考资料回答，资料中没有就回答‘暂无相关信息’”
   • 禁止编造、禁止联想、禁止扩展
   • 加上事实校验指令

3. 增加事实校验环节（Self-Check）
   模型生成回答后，再调用一次 LLM 做校验：

   • 回答是否全部来自知识库
   • 是否存在编造内容
   • 不一致则重新生成或拒绝回答

4. 限制模型自由度

   • 降低 temperature（0.1 ～ 0.3）
   • 使用 top_p 采样，提高确定性
   • 关闭自由联想、多步推理能力

5. 知识库高质量治理

   • 清洗脏数据、重复数据
   • 结构化 FAQ、标准化问答对
   • 避免模糊、歧义、冲突知识点

6. 拒绝回答兜底策略
   不确定的问题直接转人工或提示用户咨询客服，不强行回答。

3. 面试满分总结句

通过RAG 检索约束 + 严格 Prompt 限制 + 事实校验机制 + 低温度生成 + 知识库治理，从源头减少模型编造，确保回答真实可靠。

二、RAG 检索准确率低怎么优化？

1. 问题本质

召回不相关、关键信息漏召回、碎片太多、语义不匹配。

2. 完整优化方案（工程级，非常加分）

（1）数据层优化

• 文档分块优化
  按章节/段落/固定长度+滑动窗口切分，避免语义断裂
• 清洗噪声数据
  去掉无关文本、重复内容、格式乱码
• 构建 FAQ 对
  高频问题单独建索引，优先匹配

（2）向量与检索优化

• 更换更好的嵌入模型（bge-small/m3e等）
  提升语义相似度能力
• 使用混合检索：向量检索 + 关键词检索（BM25）
  语义+全文匹配互补，显著提升准确率
• 调整召回数量 topK
  一般 3～10，根据内容长度适配
• 加入重排序模型（Rerank）
  对初步召回结果二次精排，把最相关的排最前

（3）查询层优化

• 查询改写（Query Rewrite）
  把口语化问题转成标准问句，增强匹配度
• 多轮追问补全信息
  意图不明确时主动引导用户补充
• 关键词提取增强检索

（4）业务层优化

• 知识库分类/标签体系
  按业务域隔离，缩小检索范围
• 权限过滤 + 业务场景过滤
  只检索当前场景相关内容

（5）评估与迭代

• 人工 badcase 标注
• 不断优化分块、prompt、rerank 策略
• 建立检索效果评估指标（召回率、精准率）

3. 面试总结句

从文档切分、嵌入模型、混合检索+重排序、查询改写、知识库治理五个维度系统性优化，大幅提升 RAG 检索精准度。

三、Agent 多轮对话状态怎么管理？

1. 核心需求

记住用户历史意图、上下文信息、当前任务进度、槽位信息，实现连贯多轮对话。

2. 完整实现方案（SpringBoot + AI 项目标准做法）

（1）会话唯一标识

• 前端生成conversationId
• 每次请求携带，后端根据它管理上下文

（2）上下文存储结构

存储内容包括：

• 历史问答对（user/assistant）
• 当前意图（intent）
• 已填槽位（slot：订单号、手机号、商品名等）
• 任务状态（开始/处理中/完成/取消）
• 知识库过滤条件
• 用户角色与权限

（3）存储方案

• Redis 缓存（最常用）
  key = conversationId
  value = 序列化的对话上下文对象
• 过期时间 30～60 分钟，超时自动清理

（4）对话管理流程

1. 每次请求先根据 conversationId 读取历史
2. 将历史拼入 Prompt 传给 LLM
3. Agent 理解当前意图 + 槽位是否完整
4. 缺失信息则主动追问
5. 信息完整后执行工具/生成回答
6. 把最新对话追加到 Redis，更新状态

（5）槽位填充（Slot Filling）

用 Agent 管理状态机：

• 订单查询 → 缺订单号 → 追问订单号
• 退款 → 缺原因 → 追问原因
• 状态推进由 LLM 自主判断

（6）上下文截断策略

• 只保留最近 N 轮对话
• 超长时做摘要压缩
• 避免超出模型上下文窗口

3. 面试满分总结句

通过conversationId 唯一标识 + Redis 存储对话历史 + 槽位与任务状态管理 + 动态上下文拼接，实现 Agent 多轮对话的状态持久化与流程可控。