题目重点：Senior Lead AI SD 题目明确 Enterprise Agent Platform 题名；以企业工具执行、审批、审计和评估构造可讨论设计。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练版先支持企业内部检索和受控工具调用，多租户隔离；具体工具和数据等级由面试官确认。
- 对高影响写操作设置人工审批；模型输出不直接成为权限凭据或交易命令。
解题路线
- 先问主要用户、任务、成功标准和失败代价；区分只读问答与可执行任务，确定延迟/成本/审计要求。
- 建立入口/API、身份与租户上下文、任务状态机、模型路由、检索层、工具注册表、执行沙箱和审计日志；每次工具调用用用户/服务权限重新授权。
- 规划器产生候选动作后，策略层检查允许工具、参数范围、数据分类和审批规则；执行器用幂等 key 运行，超时/重试返回可查询状态。
- 将不可信文档/网页当数据处理，隔离其指令，检索结果提供来源；敏感输入最小化、加密并限制保留。
- 评估用任务成功率、工具调用正确率、越权/提示注入测试、人工接管率、延迟与成本；灰度时先 shadow/只读，再逐步开放低风险写操作。
- 监控全链路 trace 与版本，出现权限违规、质量退化或依赖故障时关闭工具/回退人工流程。
手动走一遍
训练任务：员工请 Agent 汇总内部报告并创建工单。Agent 可检索授权文档并生成草稿；创建工单前策略层核租户与字段、让员工确认，执行后保存 ticketId。若工具超时，按同一幂等 key 查询，不重复创建。
规模与取舍
一次任务成本约模型调用数×token/推理成本 + 检索/工具调用；串行工具链延迟叠加，平行步骤受依赖关键路径限制。题目无目标规模，不能填固定 QPS。
易错点与追问
容易失分的边界
- 把检索文本中的指令当系统指令。
- 模型自行决定访问权限。
- 高影响操作没有审批与幂等。
- 只测回答流畅度，不测工具正确性和越权。
- 缺任务状态，故障后无法恢复。
继续深挖
- 多租户检索如何防数据串读？
- prompt injection 如何测？
- Agent 与固定 workflow 何时各适用？
- 写操作重复执行如何处理？
