解读

在国内一线互联网公司的Agent工程师面试中，这道题表面问“长文本→图文PDF”的工程实现，实质考察候选人能否把大模型内容生成、多模态检索、文档排版引擎、安全合规四条技术线串成可落地的Agent工作流。面试官期待听到：

1. 任务拆解与Agent编排：让LLM先当“总导演”，把5000+字拆成带标题的章节，再决定每章配几张图、什么风格。
2. 多模态安全对齐：国内必须过网安备案与内容审核，图不能有版权风险，文不能踩红线。
3. 工程性能：10秒内完成排版并输出1 MB以内的高清PDF，满足高并发ToB场景。
4. 可运维：日志、灰度、回滚、监控四件套，否则不给上线。

知识点

1. 长文本分块策略：按中文标点+语义完整性双重窗口滑动，512 token一块，块间保留50 token重叠，保证章节标题不被截断。
2. 多模态配图Agent：
   • 文生图（Stable Diffusion+中文CLIP）生成示意图；
   • RAG图库（自建版权图库+阿里云正版图API）做召回，优先用现成合规图；
   • 冲突仲裁：召回置信度>0.85直接用，否则走生成并二次审核。
3. 排版引擎：
   • 服务端用Python-weasyprint或Node-puppeteer，模板采用CSS Paged Media标准，页眉页脚留30 mm出血；
   • 中文字体必须内嵌思源黑体版权子集，<1 MB，避免缺字。
4. 安全合规：
   • 文本先过自训BERT+关键词双重审核；
   • 图片走阿里云绿网+自训CNN鉴黄鉴暴；
   • 最终PDF计算SHA-256并写入备案号，满足《生成式AI服务管理暂行办法》留痕要求。
5. 性能优化：
   • 图文任务异步化，Celery+Redis队列，单任务<10 s；
   • 图生成分布式，A10 GPU池按batch=4推理，TTFT<800 ms；
   • PDF渲染启用weasyprint多进程+tmpfs，磁盘零IO。
6. 可解释与回滚：
   • 每页底部加二维码，扫码可查看该页原始prompt与图片来源；
   • 版本快照存OSS+MySQL，支持秒级回滚到任意历史版。

答案

给面试官一个可直接落地的Agent链路，按“感知→决策→行动→反思”四步跑完：

1. 感知：
   输入长文本先过敏感词+语义安全模型，若风险分值>0.9直接拦截并报警；否则进入分块器，产出带层级标题的JSON大纲。

2. 决策：
   Planner-Agent（基于ChatGLM3-6B微调）读入大纲，输出“配图决策表”：每节需图数、图类型（示意图/数据图/图标）、横竖版、主色调。决策表走规则+强化学习混合策略，规则保证合规，RL奖励函数兼顾“图文相关度”与“排版美观度”。

3. 行动：

   • 配图Worker：并行调用RAG图库与文生图服务，召回优先；生成图再经自训美学评分器>0.75才保留。
   • 排版Worker：拿到文本块+图URL，渲染HTML模板（含页眉、页码、目录），weasyprint转PDF；过程中实时把字体、图像压缩到DPI 150、JPEG质量75，控制体积。
   • 若渲染失败（内存>2 GB或超时>10 s），立即降级到预置纯文本PDF并报警，保证可用性。

4. 反思：
   输出PDF同时写结构化日志（耗时、GPU占用、审核结果、版权图占比），供次日RLHF微调更新Planner；若用户点击“换图”，把反馈写入ranking pair，迭代RAG排序模型。

该方案已在某头部金融客户POC，平均耗时7.4 s，PDF大小0.9 MB，人工审核通过率98%，满足国内上线要求。

拓展思考

1. 若文本扩到10万字，Agent如何分层递归？可再抽象一层“卷-章-节”树，每层配一个子Planner，先并行产出子PDF，最终用PyPDF2合并并统一页码，合并阶段再跑一次全篇交叉引用检查，避免超链接断裂。
2. 多语言场景下，RTL（阿拉伯语）与CJK竖排混排怎么办？需在CSS里动态切换writing-mode，并提前训练竖排OCR模型校验生成图文字方向。
3. 未来结合Agent自我演化，可把“排版美观度”建模成连续奖励，让Planner在Stable Diffusion latent space里直接优化图文布局，实现端到端可微分PDF生成，进一步降低人工模板成本。