主题
AI 超级智能体项目题库
你在 AI 超级智能体项目中如何实现对话记忆持久化？
这道题通常不是要背定义，而是看你能不能把 你在 AI 超级智能体项目中如何实现对话记忆持久化 放到 AI 超级智能体项目的真实链路里讲清楚。
面试官角度分析，想考什么
- 真实问法：你在 AI 超级智能体项目中如何实现对话记忆持久化？
面试官想确认你是否真的做过或系统理解过这类项目，而不是只会复述框架文档。 - 能不能讲清工程链路
重点看你能否把 多轮对话 · 会话状态 · 记忆持久化 放进“请求进入、上下文构建、模型调用、工具执行、结果返回、观测评估”的完整流程。 - 有没有边界和取舍意识
合格答案要说明适合场景、不适合场景、失败模式、成本、延迟、权限和可维护性。 - 能不能落到 Spring / Java 项目实现
项目题不能只讲概念，要能落到 Bean 组织、配置管理、接口设计、持久化、异常处理和部署运维。
可直接抄走的 30 秒参考答案
text
我会把这题放到 AI 超级智能体项目的完整链路里回答。核心不是单个 API，而是 多轮对话靠 sessionId/threadId 把历史消息、摘要记忆和必要状态重新注入上下文；持久化要把原始消息、摘要、用户维度和权限边界分开保存。 实现上我会说明入口层如何接收请求，Spring AI 调用链如何组织上下文，RAG、工具或 MCP 如何接入，结果如何流式返回，最后用 trace、评估集、超时重试和降级策略保证线上可用。面试回答详解，知其所以然
回答这类项目题时，建议先给整体判断，再拆实现链路，最后补充生产风险和你会如何验证。不要把答案说成“我调用了某个 API”，而要体现你对系统边界的掌控。
1. 先定位它在项目中的职责
多轮对话靠 sessionId/threadId 把历史消息、摘要记忆和必要状态重新注入上下文；持久化要把原始消息、摘要、用户维度和权限边界分开保存。
text
用户请求 -> 会话和上下文 -> Spring AI 调用链 -> RAG/工具/MCP/模型 -> 流式返回 -> Trace 和评估2. 具体实现思路
- 每次请求带 conversationId，后端按用户和会话加载最近 N 轮消息、摘要记忆和必要业务状态。
- 短期记忆可存 Redis 或数据库，长期记忆可做结构化表和向量检索，避免把所有历史直接塞进 prompt。
- 持久化要记录 role、content、token、model、created_at、trace_id 和引用信息，方便回放。
- 要设置压缩、过期、删除、隐私和跨会话隔离策略。
3. 结合本题的关键补充
- 面试里要主动说明输入、输出、状态、依赖组件和失败兜底。
- 如果题目问“你怎么做”，可以用“为什么这么设计 -> 怎么实现 -> 如何验证 -> 遇到问题怎么处理”的顺序回答。
4. 工程取舍和生产边界
- 质量：用固定评估集和线上 badcase 观察效果，不能只靠一次演示判断。
- 成本：模型调用、embedding、工具调用、上下文长度和流式连接都会影响成本。
- 稳定性：要有超时、重试、降级、幂等、限流、熔断和可观测性。
- 安全：涉及工具、MCP、文件、地图、搜索、PDF、用户数据时，要做权限、脱敏和审计。
5. 常见错误回答
- 只把聊天记录拼接进 prompt，导致 token 爆炸和隐私串话。
- 没有按 userId + conversationId 隔离，多个聊天室互相污染。
- 只背框架名和 API 名，不解释它们解决的工程问题。
- 没有讲失败模式和评估方法，听起来像 demo 而不是生产项目。
面试官追问3个问题
追问一：如果线上效果不好，你怎么定位？
- 考察点：是否能按链路拆问题。
- 回答方向：先看 trace，区分是输入理解、记忆、RAG 召回、工具执行、模型生成、流式传输还是前端状态问题，再针对具体层做回归测试。
追问二：为什么不用更简单的实现？
- 考察点：是否有复杂度控制意识。
- 回答方向：如果只是 demo，可以简单；但项目进入生产后，需要处理会话、权限、成本、失败、评估和运维，所以要用清晰分层和可替换抽象控制复杂度。
追问三：你怎么证明这个方案有效？
- 考察点：是否有评估闭环。
- 回答方向：准备离线评估集、典型 badcase、接口压测和线上指标，观察任务完成率、检索命中、工具成功率、P95 延迟、错误率、成本和用户反馈。
扩展知识
一套项目题回答模板
text
业务目标 -> 架构分层 -> 核心链路 -> 关键实现 -> 工程取舍 -> 失败兜底 -> 评估验证生产项目里要主动提到的 Trace 字段
conversation_id、user_id、request_id、model、prompt_version。advisor_chain、retrieved_docs、tool_calls、mcp_server、latency_ms。finish_reason、error_type、fallback_used、token_usage、cost。