Day 55：第二轮模拟面试 —— 系统设计与场景排查
欢迎来到第五十五天！昨天我们完成了第一轮模拟面试，重点考察基础原理和项目深挖。今天进入第二轮模拟面试，主题是系统设计和场景排查。这类题目在 AI Agent 岗位面试中权重很高，因为它们考察的不是“你背没背概念”，而是“你能不能把技术落地到真实系统里，并在出问题时定位根因”。
本轮建议你先自己口述或写要点（每题 3-5 分钟），再看参考答案。准备一个interview_notes_day55.md，记录自评分和改进动作。
一、今日学习目标
- 掌握 AI Agent 系统设计题的答题框架：场景 → 架构 → 关键取舍 → 指标与风险。
- 学会从“止损 → 定位 → 根因 → 修复 → 复盘”五步法回答线上故障排查题。
- 能设计多智能体协作的代码审查系统、带记忆客服系统、安全代码执行环境。
- 能分析工具调用失败、Token 暴涨、延迟升高、记忆污染等典型场景。
- 完成第二轮面试复盘，形成自己的系统设计素材库。
二、系统设计题答题框架
建议用4S 框架回答：
- Scenario（场景）：用户是谁？核心流程是什么？规模大概多少？
- Solution（方案）：分层架构、核心组件、数据流。
- Selection（取舍）：为什么选 A 不选 B？成本、延迟、准确性如何权衡？
- Signal（指标）：如何评估效果？如何监控和告警？
排查题建议用五步法：
- 止损：先限流、降级、回滚，避免影响扩大。
- 定位：看日志、Trace、指标，缩小范围到模型/工具/网络/数据。
- 根因：区分解析错误、工具错误、权限问题、模型决策错误、数据污染。
- 修复：改 Prompt、加重试、修工具、加校验、换模型。
- 复盘：补监控、补测试、补文档，防止复发。
三、系统设计题（6 题）
题目 1：设计一个多智能体协作的代码审查系统
考察点：多智能体分工、流程编排、工具集成、质量闭环。
参考答案要点：
- 场景：代码提交后自动触发审查，输出问题列表、严重等级、修复建议。
- 角色设计：
- 安全审查员：检查注入、硬编码密钥、危险函数（eval/exec/os.system）。
- 规范审查员：检查 PEP8、命名、注释、复杂度。
- 逻辑审查员：检查边界条件、异常处理、空值、并发问题。
- 汇总员：去重、按严重等级排序、生成最终报告。
- 流程：Webhook 触发 → 拉取 diff → 并行三个审查员 → 汇总员合并 → 输出 PR 评论/工单。
- 技术选型：CrewAI 做顺序/层级编排；如果需要辩论式复核，可用 AutoGen GroupChat 做“审查员 vs 作者”辩论。
- 取舍：并行审查降低延迟但增加 Token 成本；只审查 diff 而非全文件，降低成本；高风险仓库才启用多智能体。
- 指标：问题检出率、误报率、平均审查延迟、开发者采纳率。
常见陷阱：只堆角色，不讲触发方式和输出格式；不区分严重等级。
面试官点评：能说出“只审 diff”“并行 + 汇总”“误报率评估”会体现工程思维。
题目 2：设计一个企业级带记忆的客服系统
考察点：记忆分层、多租户、安全合规、可观测性。
参考答案要点：
- 接入层：API 网关、鉴权、会话管理、限流。
- 路由层：意图分类 → 售前/售后/VIP/人工客服。
- 记忆层：
- 短期记忆：Redis 存会话消息，TTL 过期。
- 长期记忆：向量库按
user_id分片存非结构化记忆；关系库存用户画像、订单、工单。 - 记忆抽取：异步队列处理，避免阻塞主流程。
- Agent 层：专业 Agent + 工具（订单、物流、退款）；工具做权限隔离和参数校验。
- 安全合规：敏感信息脱敏、用户可删除记忆、审计日志、多租户隔离。
- 可观测性：LangSmith/LangFuse 追踪、Token/延迟监控、记忆命中率。
- 取舍：同步注入记忆延迟低但可能拖慢响应；异步抽取成本低但有延迟；缓存高频问答降成本。
常见陷阱：只讲 Agent 不讲存储、权限和监控。
面试官点评：能提到“异步记忆抽取”“多租户隔离”“用户可删除记忆”是高级加分项。
题目 3：如何让 Agent 安全地执行用户代码？
考察点：沙箱、权限、资源限制、审计。
参考答案要点：
- 隔离：Docker 容器/微虚拟机（Firecracker/gVisor），禁止网络访问，只挂载临时目录。
- 权限：非 root 用户运行；只读文件系统；禁止危险系统调用。
- 资源限制：CPU/内存/磁盘配额，执行超时（如 10 秒），进程数限制。
- 代码校验：静态扫描危险函数（eval/exec/os.system/subprocess），但静态扫描不能替代沙箱。
- 审计：记录代码、输入、输出、资源消耗；异常行为告警。
- 降级：高风险代码只做静态审查，不执行。
- 指标：执行成功率、超时率、沙箱逃逸告警数。
常见陷阱：只说“用 Docker”但不讲网络隔离和资源限制。
面试官点评：能区分“静态审查”和“动态沙箱”两层防线，是安全意识的体现。
题目 4：设计一个 RAG 知识库问答系统，要求高准确率和低幻觉
考察点：RAG 全链路、检索优化、幻觉控制。
参考答案要点：
- 数据层：文档清洗、按类型切分（Markdown 按标题、FAQ 按问答对）、元数据（来源、时间、权限）。
- 索引层：Embedding 选型（中文优先 BGE/智谱）、向量库（Chroma/FAISS）、混合检索（BM25 + 向量）。
- 检索层：元数据过滤、相似度阈值、MMR 多样性、Rerank 重排序。
- 生成层：Prompt 要求“只根据上下文回答，不知道就说不知道”；引用来源；低温度。
- 评估层：构建问答测试集，计算 Recall@K、答案准确率、幻觉率；LLM-as-Judge + 人工抽检。
- 取舍：Rerank 提升准确率但增加延迟；混合检索提升召回但增加复杂度。
常见陷阱：只讲“切分 + 向量检索”，不讲评估和幻觉控制。
面试官点评：能说出“引用来源”“阈值过滤”“Rerank”会显得有实战经验。
题目 5：设计一个多智能体“迷你软件公司”，如何保证生成代码可运行？
考察点：多智能体闭环、工具执行、迭代修复、质量门禁。
参考答案要点：
- 角色：产品经理、架构师、程序员、评审员、测试员。
- 流程：需求 → 设计 → 编码 → 评审 → 测试 → 不通过则修复迭代。
- 质量门禁：
- 编码后先做语法检查（
py_compile）。 - 评审员检查规范和安全。
- 测试员用沙箱执行代码，跑测试用例。
- 编码后先做语法检查（
- 迭代控制：最大迭代次数 3 次；每轮把测试报告注入修复任务；保留上一版代码支持回滚。
- 取舍：迭代次数多质量高但成本高；只生成 MVP 降低复杂度。
- 指标：首次测试通过率、最终通过率、平均迭代轮数、Bug 密度。
常见陷阱：只讲角色不讲“代码实际执行验证”。
面试官点评：能说出“语法检查 → 评审 → 沙箱测试 → 迭代修复”的层层门禁，是加分项。
题目 6：设计一个 Agent 的可观测性体系
考察点：日志、Trace、指标、告警、评估。
参考答案要点：
- Trace：记录每次 LLM 调用、工具调用、Agent 决策步骤；用 LangSmith/LangFuse/OpenTelemetry。
- 日志：结构化日志（user_id、session_id、step、tool、latency、tokens、error）。
- 指标：QPS、P95 延迟、Token 消耗、工具成功率、解析错误率、记忆命中率、任务完成率。
- 告警：工具失败率突增、Token 成本超预算、延迟 P95 超阈值、死循环检测。
- 评估：离线测试集 + 线上抽样 + LLM-as-Judge + 人工复核。
- 隐私：日志脱敏，敏感字段加密。
常见陷阱：只说“看日志”，没有指标和告警。
面试官点评：能区分“Trace 定位单次问题”和“指标发现趋势问题”是系统思维。
四、场景排查题（4 题）
题目 7：线上 Agent 突然大量调用工具失败，如何排查？
参考答案要点（五步法）：
- 止损：限流、降级到纯问答、回滚最近变更。
- 定位：看工具失败率曲线、错误码分布、Trace 中失败步骤。
- 根因分类：
- 工具侧：API 超时、鉴权过期、限流、返回格式变更。
- Agent 侧：Prompt 变更导致参数错误、模型版本变更、工具描述被改。
- 数据侧：订单号格式变化、脏数据。
- 网络侧：DNS、代理、证书。
- 修复：加超时和重试、修参数校验、回滚 Prompt/模型、加降级兜底。
- 复盘：补工具健康检查、参数校验、告警、混沌测试。
常见陷阱：一上来就改 Prompt，不先看错误码。
面试官点评：先止损再定位，体现线上意识。
题目 8：Agent 的 Token 消耗突然暴涨，怎么查？
参考答案要点：
- 看 Trace：哪类请求 Token 高？是输入长还是输出长？
- 常见根因：历史消息未裁剪、检索注入记忆过多、CoT 输出过长、工具返回大段文本、死循环重复调用。
- 修复：滑动窗口/摘要、限制检索 k 和单条长度、限制 max_tokens、压缩工具返回、设置 max_iterations。
- 监控：按用户/会话/工具维度统计 Token，设预算告警。
常见陷阱：只说“换便宜模型”，不定位输入还是输出。
面试官点评：能说出“工具返回大段文本”是常见隐藏成本。
题目 9：用户投诉 Agent“胡说八道”，如何定位和修复？
参考答案要点：
- 复现：拿到会话 ID，看 Trace 中的检索结果、Prompt、模型输出。
- 分类：是检索没召回？还是召回了但模型没用？还是工具返回错误？还是模型幻觉？
- 修复：加强“只根据上下文回答”的约束；加引用来源；提高检索召回；加相似度阈值；低温度；对高风险问题加人工审核。
- 评估：构建幻觉测试集，统计幻觉率。
常见陷阱：只调温度，不查检索和工具。
面试官点评：能区分“检索失败”和“生成幻觉”是核心。
题目 10：多智能体系统里两个 Agent 反复争论，无法收敛，怎么办？
参考答案要点：
- 止损：设置 max_round、最大辩论轮数。
- 机制：裁判 Agent 阶段性总结；自定义发言选择函数控制节奏；要求每次发言必须提出新论据，禁止重复。
- 终止：检测“最终裁决”关键词；连续两轮无新信息则终止。
- 根因：角色 Prompt 过于对立、缺少事实依据、裁判职责不清。
- 修复：给双方注入共享事实数据；裁判提前介入；引入“事实核查员”。
常见陷阱：只加最大轮数，不解决“为什么吵”。
面试官点评：能说出“共享事实”“新论据检测”是高级思路。
五、复盘表与自评
| 题号 | 类型 | 主题 | 自评分 1-5 | 卡壳点 | 改进动作 |
|---|---|---|---|---|---|
| 1 | 系统设计 | 多智能体代码审查 | |||
| 2 | 系统设计 | 企业级记忆客服 | |||
| 3 | 系统设计 | 安全代码执行 | |||
| 4 | 系统设计 | RAG 高准确率 | |||
| 5 | 系统设计 | 迷你软件公司质量门禁 | |||
| 6 | 系统设计 | Agent 可观测性 | |||
| 7 | 排查 | 工具大量失败 | |||
| 8 | 排查 | Token 暴涨 | |||
| 9 | 排查 | 幻觉投诉 | |||
| 10 | 排查 | 多智能体不收敛 |
自评 ≤3 分的题：回到对应 Day 的代码和笔记，写 200 字改进答案，并找一个项目中的证据支撑。
六、今日总结与作业
今天你完成了：
- ✅ 完成第二轮模拟面试的 10 道系统设计与场景排查题。
- ✅ 掌握了 4S 系统设计框架和五步排查法。
- ✅ 建立了系统设计素材库和故障排查清单。
- ✅ 通过自评发现了需要补强的工程知识点。
今日作业（必做）：
- 将 10 道题的答案要点整理到
interview_notes_day55.md，标注自评分和待补强点。 - 选一道系统设计题（推荐“企业级带记忆客服”或“多智能体代码审查”），画一张文字架构图，包含接入层、路由层、Agent 层、记忆层、工具层、可观测性。
- 选一道排查题，写出“止损 → 定位 → 根因 → 修复 → 复盘”的完整排查清单，至少 8 条检查项。
- （思考题）如果面试官追问“你的方案里，哪个环节最可能成为瓶颈？你会怎么优化？”，请针对你画的那张架构图，写出一个瓶颈点和优化方案。
明日预告：我们将进入第五阶段的综合实战——把前四个阶段的项目整合成一个“个人 AI Agent 作品集网站”或“项目演示脚本”，并准备 5 分钟的项目讲解。请准备好你的 GitHub 仓库和简历，我们明天继续！
欢迎评论交流！
)
