解读

面试官想验证三件事：

1. 能否把“Agent”这一技术概念拆解成可落地的中国用户场景，而不是炫技；
2. 能否把“规划-记忆-行动”闭环做成数据-模型-产品闭环，兼顾算法指标与商业指标；
3. 是否具备合规、隐私、算力成本意识，能一句话讲清监管红线。

因此，答案必须给出：

• 一个高频、付费意愿强、数据可闭环的细分场景；
• 可量化的算法目标（召回、准确率、拒识率）与业务目标（DAU、付费转化、节省时长）；
• 记忆分层方案（上下文、用户画像、世界知识）及国产化存储选型；
• 行动层对API、RPA、小程序、App推送的调度策略；
• 数据回流与模型迭代节奏，以及《个人信息保护法》下的匿名化机制。

知识点

1. Agent三元组：规划（Planning）、记忆（Memory）、行动（Action）。
2. 记忆分层：短期上下文（Session）、中期用户画像（Profile）、长期世界知识（Knowledge）。
3. 规划算法：意图识别+槽位填充→DAG任务分解→强化学习重排序。
4. 行动通道：本地API、H5小程序、RPA、IoT指令、App推送、短信、微信客服消息。
5. 数据闭环：用户反馈→埋点→标注平台→模型微调→A/B→灰度→全量。
6. 合规：PIPL、数据出境评估、深度合成备案、算法备案、双清单（个人信息收集清单、权限调用清单）。
7. 算力成本：7B以内端侧小模型+云端MoE混合推理，按Token阶梯计费，峰值用阿里云spot实例。

答案

场景定义
“职场妈妈晨间分身”：工作日7:00-9:00，帮用户完成“叫娃起床+早餐菜谱+路况导航+公司会议纪要预习+请假/出差OA审批”五件事，目标把出门准备时间从60分钟降到45分钟，付费点订阅制18元/月。

角色设定
Agent名称“小晨”，人设“靠谱同事”，音色用中文女声合成，需通过深度合成备案。

规划循环（Planning Loop）

1. 触发：闹钟响→用户语音“我醒了”。
2. 意图识别：多标签分类模型（6类意图，Macro-F1≥0.92），拒识阈值0.85，低于阈值转人工客服。
3. 任务分解：用有限状态机把“五件事”拆成17个子任务，生成DAG；关键路径用A*重排，优化目标=min(时间+用户焦虑指数)。
4. 资源校验：检查本地冰箱摄像头、车载导航API、OA系统Token是否可用，任一失败走降级文案。

记忆循环（Memory Loop）

1. 短期：会话级上下文，32k Token，存在本地SQLite+加密，30分钟自动销毁。
2. 中期：用户画像，包括娃的口味禁忌、常走路线、会议偏好，用阿里云Tablestore主键UserId，字段做AES-256加密，支持可撤销Token，满足PIPL“可携带+可删除”。
3. 长期：世界知识，菜谱、路况、公司组织架构，用向量数据库Milvus（国产化版本），每月增量训练一次BERT-whitening，召回率≥95%。

行动循环（Action Loop）

1. 本地：HarmonyOS Next接口调起智能烤箱预热、车载导航投屏。
2. 云端：
   • 钉钉OA审批流，用RPA脚本模拟点击，成功率≥99%，失败转人工代办并推微信模板消息。
   • 会议纪要预习，调用自研7B模型生成3行摘要，首句命中率≥85%，用户可一键“展开”或“换一批”。
3. 反馈：每一子任务结束弹3秒Toast+震动，用户可语音“不对”立即回滚；负样本实时写入Kafka，30分钟内进入标注队列，24小时内完成微调，T+1早高峰灰度。

关键指标

• 算法：意图识别F1≥0.92，任务完成率≥96%，拒识率≤3%。
• 业务：次留≥55%，月付费转化≥12%，人均节省时长≥15分钟。
• 合规：数据出境评估报告编号在隐私政策可查询，算法备案号在设置页常驻。

拓展思考

1. 多Agent协同：若家庭里已有“小度”“小爱”，如何用小晨做统一调度而不被生态封杀？答案：用微信硬件平台做中性入口，协议层封装“小晨技能卡”，厂商只需实现HTTPS接口，降低对接阻力。
2. 记忆压缩：连续使用90天后，中期记忆膨胀到200MB，端侧存储吃紧。可引入“记忆重要性打分”+LoRA增量蒸馏，只保留TOP 20%高权重向量，压缩率80%，用户可手动“找回遗忘”。
3. 商业模式升级：把“节省15分钟”换算成“每月多睡7小时”，与保险公司合作推出“好睡眠保费折扣”，Agent数据经用户授权后成为可核保数字资产，开辟第二收入曲线。