如何从 Agent 对话中可靠地抽取结构化事实写入长期记忆？
本题聚焦如何在 Agent 记忆写入路径上构建可靠事实抽取流水线：从 JSON 候选到统一 Schema、置信度阈值、异步后台事务。在不讨论冲突消解的前提下，给出用户同时提及长期办公地和临时出差地的具体算例和低置信度降级策略。
核心关键词Agent 事实抽取 结构化 长期记忆 写入
面试知识索引 · 分类、标签与搜索
AI Agent · 异步编程面试题，5 道完整答案
AI Agent · 异步编程面试题第 1 页，显示第 1–5 题，共找到 5 道完整解析，可继续按分类、标签与关键词缩小范围。
5筛选结果
52技术分类
178检索标签
1索引分页
快速定位
清除全部筛选分类、标签与关键词搜索
第 1 页
本页面试问题
按稳定语义路径排序
- 0001
- 0002
记忆写入放在对话主流程同步执行还是后台异步执行，各自的风险是什么？
说明Agent记忆写入同步与异步的取舍，重点比较延迟、一致性与写入失败丢失三方面风险，并给出场景化判断依据。
核心关键词Agent 记忆写入 同步 异步 后台 - 0003
Python asyncio 实现的 Agent 中，取消一个正在执行的 LLM 流式请求需要穿过哪几层才能生效？
围绕“Python asyncio 实现的 Agent 中，取消一个正在执行的 LLM 流式请求需要穿过哪几层才能生效”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要说明 Task.cancel、流式响应关闭与工具子任务取消的传递链。
核心关键词asyncio Agent 取消 传播 流式 - 0004
LangGraph 中同步节点与 async 节点混用时并发行为有何差异，阻塞节点会拖累并行分支吗？
围绕“LangGraph 中同步节点与 async 节点混用时并发行为有何差异，阻塞节点会拖累并行分支吗”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖要回答同步节点在 executor 中运行、async 节点才能真并发 IO 的判断。
核心关键词LangGraph async 节点 并发 阻塞 - 0005
LangGraph 的 durability 模式（sync/async/exit）在崩溃恢复语义上有什么差异？
围绕“LangGraph 的 durability 模式（sync/async/exit）在崩溃恢复语义上有什么差异”给出直接结论、机制拆解、可复现验证、常见误区与追问，重点覆盖需要比较同步落盘、异步与退出时落盘在性能与丢数据风险上的取舍。
核心关键词LangGraph durability sync async exit 崩溃恢复语义