Agent开发面试题
如何防止 Agent 被用于生成有害内容或被恶意用户滥用？
数据隐私保护（如用户对话数据不出境、PII 脱敏）在 Agent 系统中如何落地？
Braintrust / LangSmith / Weave / PromptFoo 这类 eval 平台解决了什么核心问题？选型时如何权衡？
如何设计 LLM-as-Judge 评测？Judge Prompt 如何防止位置偏差（position bias）和自我偏好（self-preference）？
Eval dataset 的构建策略有哪些？如何从生产流量中自动挖掘高价值测试用例？
如何为 Agent 的多步执行设计 trajectory-level eval（不只评估最终输出，而是评估整条执行路径）？
如何设计 regression test suite，确保每次 Prompt 修改或模型升级不引入退化？
Benchmark 过拟合问题（Benchmark contamination / Goodhart's Law）在 Agent eval 中如何规避？
暂无题目