Agent 核心概念面试题

基础概念

1. Agentic AI vs 传统 AI vs 生成式 AI 的区别？

考察点：理解 Agent 的自主性、工具使用、规划能力

2. 什么是 ReAct 模式？与 CoT（Chain-of-Thought）有什么区别？

考察点：Thought-Action-Observation 循环 vs 纯推理链

3. Agent 的核心组件有哪些？

参考答案：LLM（大脑）+ Memory（记忆）+ Tools（工具）+ Planning（规划）

4. 什么场景不该用 Agent？

考察点：简单规则能搞定的、低延迟要求的、成本敏感的

5. 解释 Function Calling / Tool Use 的工作原理

考察点：LLM 如何决定调用工具、参数如何传递、结果如何回传

架构与模式

6. 解释"主管模式"和"编排模式"在多 Agent 系统中的区别

考察点：Supervisor vs Orchestrator，各自适用场景

7. 什么是 MCP（Model Context Protocol）？它解决什么问题？

考察点：标准化的工具接入协议

8. Agent 的记忆有哪些类型？

参考：短期（上下文窗口）、长期（向量 DB / RAG）、实体记忆、工作记忆

9. 如何设计 Agent 的规划能力？

考察点：任务分解、子目标设定、计划执行与修正

10. 什么是 Agentic RAG？与传统 RAG 有什么区别？

考察点：Agent 主动决定何时检索、检索什么、如何组合

工程实践

11. 如何评估 Agent 的性能？

参考：任务成功率、逻辑一致性、工具使用准确性、延迟、成本

12. Agent 中的幻觉问题如何缓解？

考察点：RAG、验证步骤、confidence scoring、human-in-the-loop

13. 如何处理 Agent 的错误恢复？

考察点：重试、回退、换路径、升级

14. 如何优化 Agent 系统的成本？

参考：模型分流、prompt 缓存、批处理、简单任务不用 Agent

15. 如何防范 Prompt Injection？

考察点：输入清洗、权限隔离、输出验证、系统提示保护

高级问题

16. 多 Agent 系统中如何处理"任务完成"的判断？

考察点：终止条件、质量验证、防止无限循环

17. 如何在生产环境中调试一个出问题的 Agent？

考察点：日志、trace、可观测性、replay

18. Agent 的自主性边界应该如何定义？

考察点：哪些操作需要审批、风险等级划分

19. 解释 Agent 的"延迟 vs 准确性"权衡

考察点：多次 LLM 调用提高准确性 vs 用户等待体验

20. 如何设计 Agent 的版本管理和灰度发布？

考察点：prompt 版本化、模型切换、流量分配

21. Agent Skill 是什么？与 Plugin 有什么区别？

考察点：Skill 是知识包（SKILL.md + 资源），Plugin 是代码包

22. 如何让 Agent 从经验中学习改进？

考察点：反思机制、记忆更新、few-shot 积累

23. 比较 LangChain / LangGraph / CrewAI / AutoGen 的适用场景

考察点：各框架的设计哲学和取舍