91学AI - AI Native 工程师

精选·RAG工程2026-07-13

什么是 Agentic RAG？和传统 RAG 流水线有什么区别？

讲清 Agentic RAG 用 Agent 决策替代固定流水线的本质，路由/反思/多轮检索/工具组合四种模式，以及延迟成本代价与适用边界。

91学AI·8 阅读

精选·上下文与记忆2026-07-13

什么是记忆污染？Agent 的记忆系统怎么防污染？

记忆污染指幻觉、注入攻击、过期信息、低质提炼四类脏数据进入长期记忆；防法是把住写入关（打分查重标来源）、读取关（置信度区分）和清理关（TTL 与巡检）。

91学AI·6 阅读

精选·上下文与记忆2026-07-13

RAG 是 Agent 记忆的一部分吗？记忆系统和 RAG 是什么关系？

RAG 检索的是静态外部知识，记忆是动态积累的用户与交互信息；二者共用检索管道可复用基础设施，但数据来源、写入方、时效性和更新方式完全不同，应分库存储。

91学AI·6 阅读

精选·上下文与记忆2026-07-13

上下文窗口的 token 预算怎么分配？渐进式加载能省多少？

上下文预算按系统指令、工具、检索、记忆、历史、输出六块分配额度；工具和 Skill 渐进式加载只留名称描述，能把 schema 开销从数万 token 压到一两千。

91学AI·6 阅读

精选·上下文与记忆2026-07-13

什么是 scratchpad 外置？为什么 Agent 的中间产物不该堆在对话历史里？

scratchpad 外置是把计划、TODO、中间结果写到文件或结构化状态里而非堆在对话历史，需要时读回，换来省 token、可断点续传、可审计三个收益。

91学AI·6 阅读

精选·上下文与记忆2026-07-13

Agent 怎么实现跨会话记忆？多会话之间又该怎么隔离？

跨会话记忆靠会话末提炼写入长期记忆库、新会话启动按用户召回注入；隔离靠命名空间分层（用户/项目/会话）加元数据过滤，共享与隔离按信息性质分级。

91学AI·5 阅读

精选·上下文与记忆2026-07-13

Claude Code 是怎么做上下文管理的？有哪些可借鉴的设计？

Claude Code 的上下文管理靠 CLAUDE.md 持久记忆、auto-compact 阈值压缩、子 Agent 隔离、工具输出截断落盘四件套，是上下文工程的最佳实践样板。

91学AI·7 阅读

精选·上下文与记忆2026-07-13

会话太长挤爆上下文窗口怎么办？上下文压缩有哪些手段？

上下文压缩手段从粗到细有滑动截断、滚动摘要、结构化事实提取、工具结果落盘留引用四层；按阈值触发、保留原文可回溯是工程上不漏关键信息的关键。

91学AI·6 阅读

精选·上下文与记忆2026-07-13

记忆召回怎么做？向量相似度、时间衰减和重要性怎么组合？

记忆召回用向量相似度保证相关性、时间衰减体现时效性、重要性分数兜底关键事实，三者加权打分取 top-k，再用元数据过滤和重排序控制注入质量。

91学AI·8 阅读

精选·上下文与记忆2026-07-13

Agent 长期记忆的写入时机和写入策略怎么设计？

记忆写入有逐轮写、会话末批量提炼、触发式写入三种时机；工程上要配重要性打分、写入前查重、冲突解决和 TTL，宁可少写不错写。

91学AI·6 阅读

精选·上下文与记忆2026-07-13

Agent 的短期记忆和长期记忆怎么划分？分别怎么实现？

短期记忆是会话内工作记忆，活在上下文窗口里；长期记忆跨会话持久化，走外部存储加检索召回；划分依据是生命周期和访问模式，不是存储介质。

91学AI·7 阅读

精选·上下文与记忆2026-07-13

什么是上下文工程？它和 Prompt 工程有什么区别？

上下文工程是为模型每次推理动态组装恰当信息的工程实践，涵盖记忆、检索、工具、历史四类来源；与 Prompt 工程的区别在于从"写好一句话"升级为"管好一个信息流"。

91学AI·6 阅读

精选·工具调用与协议2026-07-13

工具调用失败了怎么办？Agent 工具链的错误处理与容错怎么设计？

考察工具调用的容错设计。核心：错误分层（参数错/执行错/系统错）分别处置，错误以可读文本回传模型让其自我纠正，配合超时、有限重试、幂等与降级兜底。

91学AI·7 阅读

精选·工具调用与协议2026-07-13

如果让你开发一个 MCP Server，完整流程和关键工程点是什么？

考察 MCP Server 的实战开发能力。核心：用官方 SDK 声明 Tools/Resources，stdio 本地起步、Streamable HTTP 远程发布，用 MCP Inspector 调试，重点在 schema 设计、错误处理与鉴权。

91学AI·7 阅读

精选·Agent架构2026-07-13

面试时怎么讲好一个 Agent 项目？

讲 Agent 项目按「业务问题-为什么用Agent-架构取舍-踩坑与数据」四段式展开，重点讲权衡和量化结果，而不是堆技术名词。

91学AI·10 阅读

精选·Agent架构2026-07-13

Agent 系统怎么做评估？指标和流程怎么设计？

Agent 评估要分层：端到端任务成功率、过程指标（步数/工具准确率）、组件级单测，配合影子测试和 LLM-as-Judge，核心是评估集先行。

91学AI·9 阅读

精选·Agent架构2026-07-13

Agent 的能力边界在哪？什么事情它做不好？

Agent 的能力边界受限于模型推理上限、上下文窗口、工具覆盖度和环境反馈质量；高确定性、强实时、零容错场景不是它的主场。

91学AI·11 阅读

精选·Agent架构2026-07-13

Agent 编排框架怎么选型？LangGraph、AutoGen 这些怎么比？

编排框架按抽象层级选：LangChain 管组件、LangGraph 管状态机、AutoGen 管多 Agent 对话，生产首看可控性与可观测。

91学AI·10 阅读

精选·Agent架构2026-07-13

子 Agent（Subagent）应该怎么设计？什么时候拆？

子 Agent 的核心价值是上下文隔离与并行：独立窗口处理子任务，只回传压缩结论；设计关键是任务契约、结果协议和调度成本权衡。

91学AI·7 阅读

精选·Agent架构2026-07-13

Harness 是什么？为什么 Agent 需要 Harness Engineering？

Harness 是包裹 LLM 的运行支撑框架：工具执行、上下文管理、权限、循环控制、可观测都在这一层；模型负责智能，Harness 负责可靠。

91学AI·10 阅读

#Agent