排查 Agent 某次错误决策时,需要记录哪些状态快照才能完整复盘执行过程?
围绕“排查 Agent 某次错误决策时,需要记录哪些状态快照才能完整复盘执行过程”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须列出每步输入、状态、工具调用与输出的记录要求。
记忆与状态专题面试题第 1 页,显示第 1–41 题,共找到 41 道完整解析,可继续按分类、标签与关键词缩小范围。
按稳定语义路径排序
围绕“排查 Agent 某次错误决策时,需要记录哪些状态快照才能完整复盘执行过程”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须列出每步输入、状态、工具调用与输出的记录要求。
围绕“同一用户同时打开两个会话窗口时,两份短期状态与共享长期记忆如何保证不互相污染”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要说明会话级状态隔离加长期记忆写入冲突处理(如版本比较)的设计。
围绕“长期记忆中的用户偏好与本次会话的明确指令冲突时,Agent 应服从哪一个”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确当前会话显式指令优先并要求冲突时显式确认的原则。
从上下文预算、任务阶段和恢复成本设计 Agent 对话摘要,说明目标约束、工具证据、未完成事项如何保留,以及摘要漂移、过期事实和权限误记的防范方法。
围绕“同一用户的多个会话线程需要共享偏好信息时,LangGraph 应使用什么机制而不是共享 checkpointer”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确用 Store 按用户命名空间存取跨线程记忆的理由。
围绕“如何评估一套 Agent 记忆系统的好坏,应测试哪些维度的行为”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖完整回答要覆盖事实召回准确率、更新及时性、冲突处理与隔离性四类测试维度。
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。
用户说搬家后,Agent 怎样更新旧地址而不让新旧事实反复冲突?给出事实键、来源、确认状态、版本控制与检索过滤的设计思路,并区分长期变更与临时地址。
围绕“Agent 长期记忆需要主动遗忘机制吗,按什么标准删除或降权旧记忆”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分 TTL 过期、访问频率降权、用户主动删除三类机制。
围绕“多 Agent 流程中发生任务交接(handoff)时,哪些状态必须随交接传递、哪些必须丢弃”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分任务目标、已完成事实、调用凭证三类必传与内部推理痕迹的丢弃。
围绕“人机协同场景中,Agent 暂停等待人工审批时状态该如何保存以便审批后继续执行”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确在图的中断点持久化状态、外部信号触发恢复的流程。
围绕“Agent 从检查点重放时,已执行过的发邮件类副作用操作如何避免重复执行”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确副作用节点外置、幂等键或执行标记三类防护手段。
围绕“检索到的记忆应放在系统提示、对话历史开头还是紧贴最新用户消息,位置对效果有何影响”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须分析位置对模型注意力利用与被覆盖风险的影响。
围绕“用户画像类记忆用自由文本保存还是结构化 JSON 保存,各自在更新与检索上有何代价”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须比较两种格式在字段级更新、检索注入与 token 占用上的差异。
围绕“Agent 在工具调用循环里反复执行相同步骤时,如何利用状态记录检测并跳出死循环”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出基于历史动作指纹或步骤上限的检测与退出机制。
围绕“Agent 状态中的消息列表无限增长时,trim、filter、summary 三种裁剪方式分别适合什么情况”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖回答要按是否保留近期原文、是否可重算、是否需要语义压缩区分三者。
围绕“个性化 Agent 应如何决定哪些用户偏好值得写入长期记忆,哪些只是一次性上下文”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出稳定性、复用频率、用户明确程度三类写入判据。
围绕“用户要求「忘掉关于我的一切」时,记忆系统需要在哪些存储层执行删除”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖完整回答要覆盖短期状态、检查点历史、长期记忆库与摘要中的衍生信息四层。
围绕“知识库类只读上下文与会话记忆在注入和管理上应如何区分对待”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分无需更新的外部知识与需要增删改的记忆在生命周期管理上的差异。
围绕“上线摘要压缩后 Agent 在长对话后期频繁遗忘早期约定,应如何设计实验确认是摘要环节引入的回归”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出摘要看齐对照实验与关键事实探针的设计。
本题给出Agent记忆检索噪声的诊断方法:通过相似度分布判断问题根因,并提出限制条数、提高阈值、重排三类手段的优先级顺序,帮助收敛回答事实。
解释Agent长期记忆检索中向量相似度、关键词匹配和时间衰减的组合排序方法,提出双路召回+加权精排的分层策略,并说明各信号失效场景及调参依据。
围绕“为 Agent 长期记忆设计存储 schema 时,除内容外还必须包含哪些元数据字段”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须列出时间戳、来源、置信度、访问统计、所属主体等支撑更新与遗忘的字段。
围绕“ReAct 式 Agent 的推理草稿(scratchpad)应保留在上下文里还是逐步压缩”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须比较保留全部推理痕迹与只保留结论对后续决策质量的影响。
解释Agent长期记忆三类子系统的定位:事实性、经历性、技能性;各自的存储格式、写入触发、更新策略与检索使用方式;用工程场景和边界条件说明如何区分与设计。
围绕“如何避免密码、身份证号等敏感信息被无意写入 Agent 长期记忆”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出写入前检测过滤与写入后扫描两道防线的分工。
围绕“多用户共用一个 Agent 服务时,如何保证会话间记忆严格隔离”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确以用户/会话标识作为存储与检索强制过滤条件的隔离设计。
围绕“多 Agent 协作时,共享黑板式状态与各 Agent 私有状态应如何划分”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖回答要按协作契约信息与内部推理过程的可见性划分两类状态。
Agent 短期记忆与长期记忆按什么边界划分?用同一用户跨会话的地址与任务状态说明线程检查点、共享知识、检索和删除策略,区分保存数据与放入模型上下文。
围绕“Agent 引用了过期的用户偏好给出错误回答,应如何定位是检索问题还是更新机制问题”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出检查写入链路、更新语义、检索排序的分层排查路径。
围绕“LangGraph 中多个节点并发写同一个状态字段时,reducer 如何定义合并语义”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要说明默认覆盖与自定义 reducer(如追加消息列表)的差异及并发写冲突处理。
围绕“Agent 图结构升级导致旧检查点字段不兼容时,如何迁移已持久化的会话状态”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确状态 schema 版本标记与迁移函数的设计。
围绕“LangGraph 中 State、Checkpoint 和 Store 三者的职责边界分别是什么”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分图内瞬时状态、可恢复快照、跨线程长期存储三层概念。
围绕“主 Agent 调用子 Agent 时应传递完整历史还是精炼摘要,判断依据是什么”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖回答要按子任务所需上下文范围与 token 成本给出传递策略。
本题解析对话摘要的信息丢失维度——字面、数值、顺序、语气;指出合同/代码等需逐字追溯场景不可用纯摘要,并给出操作判断标准。
围绕“LangGraph 的 time travel 调试能力是什么,如何利用历史检查点分叉出新的执行路径”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要说明从历史检查点修改状态后重新执行的机制及用途。
围绕“给 Agent 的提示词分配 token 预算时,系统提示、记忆、工具结果、对话历史应如何排优先级”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出各部分裁剪顺序及被裁时的降级行为。
围绕“工具调用返回的长文本(如网页抓取结果)进入上下文前应如何压缩”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须比较直接截断、抽取式摘要与结构化解析三种压缩路径。
围绕“如何让 Agent 基于记忆的回答可追溯,即指出每个事实来自哪条历史记录”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出记忆条目携带来源标识并在生成时引用回链的设计。
围绕“什么样的 Agent 应用根本不该引入长期记忆,引入反而带来风险”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖回答需要围绕必须识别一次性任务、高合规敏感、偏好快速变化等不适用场景及对应风险。
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。