Agent Harness 大模型算法二面 12 问:循环终止、沙箱执行、并发冲突与扁平列表建树
- 轮次
- 二面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 挑选一个你最熟悉的 Agent 项目,梳理从用户输入到输出的完整链路,说明各环节的输入输出。
- Agent Harness 的循环逻辑如何设计?除最大轮次外还有哪些终止控制条件?
- 模型发起工具调用后,如何完成参数校验、权限校验、沙箱执行与结果回灌?
- Agent 反复调用同一工具、陷入死循环,有哪些检测与处理方案?
- 长上下文溢出时,短期记忆如何压缩,如何规避关键信息丢失?
- 多 Agent 协同场景下,任务拆分、状态共享、结果冲突仲裁怎么做?
- 多个 Agent 并发操作同一份资源,如何避免冲突,锁的粒度怎么选择?
- Agent 任务执行中断、服务重启,Checkpoint 需要保存哪些内容,如何恢复现场?
- 人机交互流程中用户驳回或者超时,任务如何兜底续跑?
- Function Calling 与 MCP 各自解决什么问题?工具数量庞大时如何检索、按需加载?
- Agent 内 RAG 在什么时机触发检索?query 改写、重排序如何接入?
- Agent 线上效果怎么评估?任务成功率、错误率、成本指标如何埋点?
- 算法题:扁平 JSON 列表(带 parent_id)还原树形结构。
《参考解析》
Harness 的循环与终止:一个可上线的 harness 循环至少有四件事固定下来——组装上下文、调模型、执行工具、写回结果,然后判断是否继续。终止条件不要只依赖最大轮次:模型给出最终答复(无 tool_call)是正常终止;工具连续失败达到阈值、同一工具同一参数重复调用、本次任务的 token / 时间 / 成本超预算、触达需要人工确认的边界动作,都属于主动终止;另外要有外部取消信号(用户停止、上游超时、会话被关闭)。把这些条件做成显式状态机,每次终止都记录原因并落库,否则线上出问题只能看到「跑了 40 轮然后没了」。
工具调用的四道关口:参数校验分两层——先用 schema 校验类型、必填、枚举与格式,再做业务校验(单号是否属于当前用户、时间范围是否合法、金额上限)。权限校验看调用方身份与工具的风险等级,读操作与写操作分开,高风险动作要求二次确认。沙箱执行指把不可信输入与副作用隔开:命令执行限制工作目录、超时、输出截断、网络与文件系统白名单;外部接口调用带超时与重试上限。结果回灌要注意三件事:截断超长输出并标注被截断、把错误原文结构化返回(让模型能据此修正)、给每次结果一个可引用的 id 便于回溯。
死循环检测:最直接的是对(工具名 + 归一化参数)做哈希,短时间内重复即判定循环;再叠加语义层面的检测——连续多轮的意图与目标没有推进(比如一直在读同一批文件)、模型输出与上一轮高度相似、工具返回的错误码重复出现。处理手段按代价递增:提示模型「这条路已经试过,换一种方式或直接说明无法完成」;强制切换工具或参数;中断本轮并把已获得的信息整理成阶段性结论;最后是交给人工。不要只做静默截断,用户会看到答非所问。
上下文压缩:压缩的前提是分层——系统提示与工具定义不动,任务目标与关键约束常驻,中间过程(工具结果、历史推理)可压缩。压缩手段:对工具结果做摘要并保留原始 id 供回查;把已完成步骤折叠成「做了什么、得到什么」的一行结论;保留最近若干轮原文;把结构化状态(已确认的槽位、待办清单)单独存一份,不依赖模型从对话里回忆。规避信息丢失的关键是「摘要必须可回溯」——摘要里丢掉的东西要能在需要时按 id 重新取回,并且压缩前后跑一次关键信息检查(数字、日期、单号、用户明确提出的约束有没有丢)。
多智能体拆分与冲突:拆分按「职责边界清晰、输入输出可定义」来切,不要按「角色扮演」切。共享状态用一份带版本的存储(任务表 + 产物表),每个 Agent 只写自己的产物、通过消息传递触发下一步,避免互相覆盖;冲突仲裁要有明确规则:以谁的结果为准(按优先级、按置信度、按评审投票),仲裁不了就升级到上层 Agent 或人工。并发操作同一资源时,锁的粒度按「最小不可分单元」选:整份文件锁简单但吞吐低,段落级或行级锁并发高但要处理顺序与死锁;工程上更常用乐观并发(版本号 / ETag + 冲突重试),只有在冲突频繁或副作用不可重放时才用悲观锁,并给锁加超时与持有者标识,防止死锁。
Checkpoint 与恢复:需要落盘的是「恢复现场所需的最小集合」——任务目标与约束、当前步骤与状态机位置、已完成的工具调用及其结果引用、待执行的计划、已产生的副作用清单(哪些外部写操作已经生效,避免重放造成重复提交)、以及预算消耗(轮次、token、耗时)。恢复时不要重放已完成且不可重入的副作用,对可重入的读操作可以重放;对「不确定是否生效」的写操作,先用查询接口核对再决定。人机交互的驳回与超时:驳回要区分「换方案继续」与「终止任务」,记录驳回理由并带进下一轮上下文;超时按任务类型设默认策略(继续等待、降级为只读、直接结束并给出已完成部分),所有分支都要有终态,不能挂着等。
Function Calling 与 MCP:Function Calling 解决的是「模型如何用结构化方式表达要调用哪个函数、传什么参数」,是模型与运行时之间的协议;MCP 解决的是「工具从哪里来、如何被统一发现和调用」,是运行时与工具提供方之间的协议,两者互补而非替代。工具数量庞大时的做法:先按任务域做工具分组,只把当前域的工具定义放进上下文;再用检索(按工具名、描述、示例的向量或关键词检索)选出候选集;候选集再按调用历史与成功率排序;对低频工具做二级加载(先加载目录,模型需要时再拉取完整参数定义)。工具描述要写成「什么时候用」,这直接决定检索与选择的质量。
RAG 的触发与接入:触发时机分三类——强制检索(事实型、时效型、需要引用的问答)、按需检索(模型判断信息不足时主动发起)、以及预检索(对话开始就按用户画像与历史预取,减少首字延迟)。不该检索的场景也要明确:闲聊、纯推理、上下文里已有答案。query 改写做三件事:补全指代与省略(把「这个」「它」还原成实体)、拆分子问题、扩展同义词与业务术语;重排序在召回之后做,用交叉编码或小模型对 top-k 重排,再截断到预算内送进上下文。回答要带引用,引用不到就不要断言。
线上评估与埋点:分三层指标。任务层——完成率(有明确终态且满足验收条件的比例)、一次通过率、平均轮次、人工介入率;过程层——工具调用成功率、参数校验失败率、重试率、死循环触发次数、上下文压缩次数、检索命中率与引用覆盖率;成本层——每任务 token 与费用、每任务耗时、每步耗时分布。评估集要按任务类型分层,人工标注验收标准,离线跑回归、线上做抽样与 A/B;所有埋点带任务 id 与会话 id 串起来,否则算不出「一轮多少钱」「哪一步最慢」。失败样本必须回流成新的评估用例。
扁平列表还原树:一次遍历建索引(id → node),再一次遍历按 parent_id 挂到父节点上,根节点(parent_id 为空或不在索引中)单独收集;时间复杂度 O(n),空间 O(n)。三个易错点要主动说明:顺序无关(子节点可能先于父节点出现,所以必须先建全量索引再挂接);环与自引用要检测(挂接时判断是否形成环,避免死循环);孤儿节点(parent_id 指向不存在的 id)要么挂到虚拟根、要么单独返回,不能静默丢失。如果要保持原列表中的兄弟顺序,挂接时按遍历顺序 push 即可;深层嵌套不要用递归输出,改成显式栈避免爆栈。