系统设计面试题（S01–S20）
20 道架构题，训练分层、取舍与风险控制。
推荐结构：需求与边界 → 架构 → 状态 → 可靠性 → 评测 → 安全 → 取舍。
建议先口答 60～90 秒，再展开【追问问题】。不要背句子，要说清判断依据和取舍。
S01｜设计企业知识库问答 Agent。
简明答案： 明确用户与权限；文档解析后保留元数据并建混合索引；查询做身份过滤、召回、重排和证据生成；无证据拒答并引用。离线评测检索与答案，线上监控延迟、纠错和权限泄漏。
【追问问题】
- 多租户怎样隔离？
- 文档更新如何增量生效？
关联知识： 客服 RAG 项目
S02｜设计深度研究 Agent。
简明答案： 将目标拆为问题树，并行收集来源；保存出处、时间和证据，做去重、矛盾与缺口检查；按主张生成带引用报告，并设搜索预算和人工确认点。
【追问问题】
- 如何防止引用错配？
- 网页注入如何处理？
关联知识： 研究 Agent 项目
S03｜设计代码修复 Agent。
简明答案： 在隔离工作区先复现，再定位、最小修改并运行测试；保存补丁与命令日志，默认无生产凭据。验收以测试等环境证据为准。
【追问问题】
- 测试本身错误怎么办？
- 如何限制危险命令？
关联知识： 代码 Agent 项目
S04｜设计自动退款 Agent。
简明答案： 确定性状态机承载资格与金额规则，Agent 负责理解和收集信息。查询可自动；退款前显示金额与订单并审批；支付端使用幂等、审计和对账补偿。
【追问问题】
- 小额退款可否免审批？
- 怎样防止重复退款？
关联知识： 最小权限与审批
S05｜设计多 Agent 客服系统。
简明答案： 入口只分类和路由；订单、技术、退款专家拥有有限工具。共享结构化工单状态，不共享全部隐私历史；用 Handoff 或 Manager 协作，并设统一终止与审计。
【追问问题】
- Manager 和 Handoff 怎么选？
- 专家冲突怎么办？
关联知识： 多 Agent 设计
S06｜如何让长任务可恢复？
简明答案： Checkpoint 持久化状态；每个外部动作记录 pending/confirmed/failed 与幂等键；Worker 用租约接管，从最后确认点继续。审批是可持久化等待状态。
【追问问题】
- Worker 崩溃怎样接管？
- 结果未知怎样补偿？
关联知识： 持久化与人工介入
S07｜如何设计 Agent 权限系统？
简明答案： 身份由应用传入，工具按用户、资源、动作和环境授权；每次只提供当前所需工具与作用域。高风险审批，密钥不进提示词，副作用可审计。
【追问问题】
- 多 Agent 权限如何传递？
- MCP Server 是否可信？
关联知识： 最小权限与审批
S08｜如何设计 Agent 评测平台？
简明答案： 版本化数据集保存输入、环境和期望；Runner 固定模型与工具并采集 Trace；Grader 组合规则、环境、人工和模型评分；按版本比较质量、成本、延迟和安全。
【追问问题】
- 如何避免模型评分偏差？
- 线上样本怎样回流？
关联知识： 评测数据与 Grader
S09｜如何处理百万级工具目录？
简明答案： 不把全部 Schema 塞入上下文。先按权限与任务缩小候选，再用工具搜索、命名空间或分层路由延迟加载，并评测工具发现召回率与误选率。
【追问问题】
- 两阶段选择如何实现？
- 动态工具描述有何风险？
关联知识： 工具设计
S10｜如何设计 Agent 记忆服务？
简明答案： 按用户/组织/任务划命名空间；区分事实、经历和规则；写入前抽取、去重、标来源与置信度，读取按相关性、时效和权限筛选，并支持纠正和删除。
【追问问题】
- 记忆冲突如何解决？
- 如何避免错误长期污染？
关联知识： Agent 记忆系统
S11｜如何设计可观测 Agent 系统？
简明答案： 每任务有 trace_id，模型、工具、检索、状态和审批形成 span；记录版本、耗时、Token、错误和结果并脱敏。日志看细节、指标看趋势、Trace 看路径。
【追问问题】
- 跨服务 Trace 如何串联？
- 采样率怎么定？
关联知识： 可观测性
S12｜如何设计模型降级与容灾？
简明答案： 定义可接受降级：备用模型、减少步骤、只读模式或转人工。按错误和风险触发，使用熔断与限流，保证状态可恢复；降级路径也需评测。
【追问问题】
- Schema 不一致怎么办？
- 何时不应自动降级？
关联知识： 测试与发布
S13｜如何支持多租户 Agent？
简明答案： 状态、向量、缓存、日志和工具请求都携带 tenant_id，并在存储和查询层强制隔离。密钥、配额和限流独立，不能只靠 Prompt。
【追问问题】
- 共享索引如何过滤？
- 租户删除如何彻底执行？
关联知识： 隐私与供应链
S14｜如何设计 Agent 预算系统？
简明答案： 预算包含步骤、Token、金额、时间和工具数。运行前分配，步骤中原子扣减，接近上限降级或请求追加；结束统计每成功任务成本。
【追问问题】
- 并行调用如何扣预算？
- 用尽时如何给可用结果？
关联知识： 成本与性能
S15｜如何设计实时语音 Agent？
简明答案： 链路含音频输入、语音模型或转写、对话状态、工具和音频输出；重点控制首字延迟、打断、回声和工具等待。敏感动作需复述并确认。
【追问问题】
- 打断时如何取消回答？
- 工具慢时如何维持体验？
关联知识： 生产架构
S16｜如何防御间接 Prompt Injection？
简明答案： 把网页、邮件和文档视为不可信数据；安全依赖工具白名单、参数和目的地校验、最小权限、审批与外传控制，不能只靠提示词。
【追问问题】
- 为何系统提示不够？
- 如何构造红队测试？
关联知识： Prompt Injection
S17｜如何发布 Agent 新版本？
简明答案： 冻结模型、Prompt、工具、知识库和代码版本；离线回归后小流量灰度，比较质量、安全、成本与延迟；设回滚阈值并兼容未完成任务。
【追问问题】
- 知识库更新也要灰度吗？
- 长任务跨版本如何恢复？
关联知识： 测试与发布
S18｜如何让 Agent 结果可解释？
简明答案： 展示可验证证据：来源、实际动作、关键输入输出和审批原因。避免把私有推理当解释；解释应与真实 Trace 对应。
【追问问题】
- 解释与泄密如何平衡？
- 何时需要完整审计？
关联知识： 可观测性
S19｜如何做跨系统事务？
简明答案： 采用 Saga：每步记录状态和幂等键，失败执行补偿；无法补偿的步骤前置审批，结果未知交给对账流程。
【追问问题】
- 补偿也失败怎么办？
- 何时转人工？
关联知识： 生产架构
S20｜如何判断 Agent 项目值得上线？
简明答案： 在代表性任务上比较现有基线。只有成功率、人工节省或用户价值覆盖新增成本、延迟和风险，且有降级、评测、权限、监控与负责人时才上线。
【追问问题】
- PoC 指标怎么定？
- 上线后何时下线？
关联知识： 上线检查清单