上一篇《AIPPT 编辑 Agent 项目复盘》讲了整体设计。这一篇是它的"面试加强版"——把这个项目按面试官最爱深挖的 8 个维度逐一拆开，每个维度我都写清楚：面试官可能怎么问、我怎么答、以及我真正定位过的一个问题。带着具体设计和数字去讲，比背概念有说服力得多。

项目一句话回顾：AIPPT 底层是一份 JSON，用户用自然语言（聊天）来增删页、改文本/图片/表格。核心设计是让模型产出"被严格约束的编辑操作"，而不是重写整份 JSON。下面 8 个维度，都是围绕"怎么把这句话做扎实"展开的。

维度一：用户输入规范化

面试官会问：用户说话又乱又口语，你怎么把它变成机器能处理的东西？

用户不会说标准指令，他们说的是"把那个弄大点""标题不对，改一下"。我在把指令交给模型之前先做一层归一化，主要处理三类问题：代词消解（"它/那个"指谁）、缺省补全（"改红色"缺了对象）、形容词标准化（"大一点"到底加几号）。

这里我挑形容词标准化讲透，因为它最容易被忽略、也最能体现深度。用户说"大一点""醒目一点""正式一点"——这些模糊的形容词，最终必须落成 JSON 里具体的数值或操作。我的做法是维护一张"模糊词 → 具体操作"的映射，并结合当前元素的现状来算增量：

{
  "大一点":  { "op": "updateStyle", "delta": { "fontSize": "+4" } },
  "大幅放大": { "op": "updateStyle", "delta": { "fontSize": "+12" } },
  "醒目一点": { "op": "updateStyle", "patch": { "bold": true }, "delta": { "fontSize": "+2" } },
  "正式一点": { "op": "applyStyle", "preset": "formal" }
}

我真正定位过的问题：上线后发现"再大一点"这类指令的撤销率偏高。用 trace 一看，是我把"大一点"直接映射成固定 +8 号，但用户往往是在已经放大过的基础上说的，叠加后字大得离谱。修复：改成"看当前字号按比例调 + 设上限封顶"，并且对"再/继续"这类递进词做衰减（第二次 +4、第三次 +2）。撤销率明显下降。这个 case 特别能讲——它体现了"形容词标准化不是查表，要结合上下文和状态"。

维度二：意图识别的多层机制

面试官会问：用户输入进来，你怎么知道他想干嘛？直接全交给大模型？

不。全交给大模型又贵又慢又不稳。我设计了一个从便宜到贵的多层级联（cascade），能在前面解决就绝不往后走：

① 规则/正则：像"撤销""删除第 3 页""保存"这种明确命令，正则一撞一个准，0 延迟、0 成本、100% 准。② 向量匹配：把输入和"意图库"做语义相似度，高置信直接命中。③ 轻量模型（qwen-turbo）：中等置信度的，用小模型做意图分类 + 参数抽取。④ 重量级模型：只有复杂、模糊、一句话套多个意图的，才动用大模型。

这么设计的价值：大部分日常操作在前两层就解决了，平均延迟和成本都大幅下降，把贵模型的调用留给真正需要它的少数场景。面试时这套"级联"思路很出彩，体现了成本意识和工程权衡。

我定位过的问题：早期把"删掉这页"误判成了"更新"意图（向量匹配把"删"和"改"搞混了）。修复：把破坏性意图（删除类）单独用规则层前置兜底，明确关键词直接命中删除意图，不让它进语义匹配去"猜"。

维度三：Agent 运行——一个完整的 ReAct 故事

面试官会问：讲一个你的 Agent 完整跑起来的过程。

我会讲这么一个包含多轮对话、参数补全、用户反馈的真实场景：

用户：帮第二页加个对比表格。 Agent 思考：意图是"加表格"，但缺了关键参数——几行几列、对比什么。→ 参数补全：反问。 Agent：好的，对比几个产品、比哪些维度？（要几行几列） 用户：比 A、B、C 三个产品的价格和保修。 Agent 思考：现在参数齐了（4 行 × 3 列），调用 addTable 工具 → 观察工具返回成功 → 生成操作 → 过校验。 Agent：已在第二页加了一个 4×3 的对比表格（预览）。要我把表头加粗吗？ 用户：把表头背景改成品牌蓝。 Agent 思考："表头"指刚加的表格第一行（代词/指代靠上一步的操作上下文解析）→ 调 updateTableRowStyle。

这个故事把 ReAct 的"思考→行动→观察→再思考"、多轮记忆（记住刚操作的是哪个表格）、参数补全（缺参数就反问而不是瞎猜）、用户反馈闭环（预览确认）全串起来了。面试官想听的就是这种"有血有肉的一次完整运行"，而不是干巴巴的定义。

维度四：工具管理——几十上百个操作怎么不选错

面试官会问：你有很多编辑操作（工具），全塞给模型它不会选错吗？

会，而且这是真实痛点。AIPPT 的操作有几十上百个（改文本、加页、改表格、换主题、调图表……），全丢给模型 → 选错 + token 爆炸。我用三招筛：

按意图筛：先用维度二的意图识别粗判类别（文本类/布局类/样式类/图表类），只把该类别下的工具给模型，候选一下子从上百个降到几个。标签筛：每个工具打标签，按场景加载。Tool Search（工具检索）：当相关工具仍然多时，把用户指令拿去和"工具描述"做语义检索，选出 top-k 最相关的工具再交给模型——本质是把 RAG 用在了工具选择上。

价值：模型每次只面对少数几个高相关工具，选错率和 token 都大降。这套"工具也要检索"的思路，面试官会觉得你真处理过"工具规模化"的问题。

维度五：上下文管理——大 PPT 怎么塞进有限窗口

面试官会问：一份几十页的 PPT JSON 好几万 token，你怎么喂给模型？

绝不能全塞。我做了三层：

窗口装载算法：按优先级决定放什么——当前页 > 用户指令涉及的相关页 > 相邻页，其余不放。多级压缩：不放完整 JSON，而是放带 ID 的精简大纲（每个元素只留 id/type/role/预览文字），比完整 JSON 小一两个数量级。细节召回：当模型确实需要某个元素的完整属性时，按 ID 回查取详情——用多少取多少，而不是一开始全给。

这三层合起来，就是"默认给地图，用到才给详情"，和 RAG"只喂相关上下文"是同一个哲学。我定位过的问题：有用户"把所有页的页脚统一改掉"，这种跨全篇的指令，我的"只放当前页"策略就漏了。修复：识别出"全局类"指令后，走一条确定性代码遍历的路径（不靠模型逐页改），既准又省——这也呼应了上一篇说的"模型决策、代码执行"。

维度六：检索 / RAG 在这个项目里的角色

面试官会问：这个项目哪里用到了 RAG？

有两处：

一是素材/规范检索：用户说"按公司品牌规范配色""从素材库找张合适的配图"，我用 RAG 去检索企业的品牌规范、模板库、素材库。这里就用到进阶那套：文档入库、特殊内容处理（模板里的表格/样式结构化）、混合检索（关键词 + 向量，型号/名称这类精确词靠关键词兜底）、以及检索参数优化（top-k、重排）。

二是工具检索（维度四的 Tool Search）——把工具描述当文档检索，也是 RAG。

我会诚实地说：这个项目 RAG 不是主角（它主要是"改结构化文档"，不是"查知识"），但在"素材/规范/模板"这类需要"带着资料做"的子场景里，RAG 是很自然的选择。面试时不硬凑、把边界说清楚，反而显得靠谱。

维度七：评估与反馈——怎么证明它真的好用

面试官会问：你怎么衡量这个 Agent 好不好？改了东西怎么知道是变好还是变差？

测试集：我攒了几百条「用户指令 → 期望产生的操作（或期望的结果 JSON）」。LLM as Judge：因为同一个改动可能有多种正确的操作写法，不能用字符串死比，我用大模型判断"产出的操作和期望是否等价"。实验机制：每次改提示词、调意图阈值、换模型，都跑一遍测试集，看指令解析准确率涨跌，改坏了就不发布。

最关键的是业务指标，这是面试官最想听的——我盯这几个：一次成功率（不用反问、不用重试就改对的比例）、平均往返轮次（越少越顺）、澄清率（触发反问的比例，太高说明理解差、太低可能在瞎猜）、撤销率（用户改完又撤销，是"改错"的最好代理指标）。把技术指标翻译成业务指标，是这一维度的加分点。

维度八：可观测性——以及我真正定位过的问题

面试官会问：线上出问题你怎么排查？

Logging：我把一次请求的全链路都记下来——用户输入 → 归一化后 → 命中哪层意图 → 选了哪些工具 → 模型产出的操作 → 校验结果 → 应用的 patch。任何一步都能回看。Metrics：意图各层命中率、工具选错率、校验失败率、平均延迟、token 成本、撤销率、澄清率。Trace：单次请求的完整链路追踪，一眼看出慢在哪、错在哪。

两个我真正定位过的问题（面试时讲具体 case 最有杀伤力）：

其一，某段时间校验失败率突然升高。看日志发现模型频繁产出不存在的 elementId。trace 到根因：那批 PPT 元素多，我给模型的精简大纲被上下文截断了，模型没看到后面的元素只能"编 ID"。修复：改进窗口装载，保证指令涉及页的元素完整进上下文，失败率回落。

其二，撤销率在"样式类"指令上偏高（就是维度一那个"大一点"叠加过头的问题）。是从 Metrics 里先看到撤销率异常，再用 trace 逐条还原用户操作链，才定位到形容词标准化的缺陷。

这两个 case 的共同点：先靠 Metrics 发现异常 → 再靠 Trace/Logging 定位根因 → 最后针对性修。这套"可观测驱动排障"的方法论，比修好某个具体 bug 更能打动面试官。

收尾：怎么把这 8 点串成一次好的面试

如果只给你一分钟讲这个项目，我会这么收：

"AIPPT 编辑 Agent 的核心，是把'自然语言改 PPT'重构成'模型只发出被严格约束的编辑操作、由可信代码执行'。围绕这条主线，我在输入归一化（形容词标准化结合状态算增量）、意图识别（便宜到贵的多层级联省成本）、工具管理（意图筛 + Tool Search 应对上百个工具）、上下文管理（带 ID 精简大纲 + 按需召回）上都做了针对性设计；用评测集 + LLM Judge + 业务指标（一次成功率、撤销率）来驱动迭代；靠Metrics 发现异常、Trace 定位根因来排障——比如我就是这样定位并修复了'编造 elementId'和'样式叠加过头'两个线上问题的。"

这一段，把设计、取舍、指标、和真实排障故事全带上了——这就是面试官眼里"真做过、且做得深"的样子。