01 · AI Agent 基础概念（面试八股文）

面向零基础读者的系统梳理：每个知识点均包含「概念 + 原理 + 面试问答 + 追问 + 代码（如适用）」。建议配合动手写一个小 Agent 循环加深理解。

什么是 AI Agent

1.1 概念解释（通俗易懂，带类比）

AI Agent（智能体）可以类比为：一位能上网、能记笔记、会拆任务的「数字员工」。

它不只「接一句话、回一段话」，而是能在多步任务里自己决定下一步做什么：先想清楚计划，再查资料、调工具，把中间结果记下来，最后汇总成答案。

业界常用一句概括：

Agent ≈ LLM + Planning（规划）+ Memory（记忆）+ Tools（工具）

•

LLM：大脑，负责理解、推理、生成自然语言与结构化计划。

•

Planning：把模糊目标拆成可执行步骤，并在执行中动态调整。

•

Memory：短期上下文 + 长期知识，避免「说完就忘」或重复劳动。

•

Tools：手脚，如搜索、数据库、代码执行、API 调用等。

1.2 原理详解（技术细节）

与「普通 LLM 单次调用」的区别

◦

普通调用：输入 Prompt → 模型输出文本，没有与外部环境闭环。

◦

Agent：输出往往是「下一步动作」（例如：调用某工具、更新记忆、结束），环境返回 Observation（观察结果），再进入下一轮推理，形成多轮控制循环。

自主决策能力体现在哪里

◦

在动作空间中选下一步（选哪个工具、传什么参数、是否结束）。

◦

在信息不完整时决定先澄清还是先假设再验证。

◦

在失败时重试、换策略或请求人工介入（视系统设计而定）。

核心循环（典型 ReAct / Tool-use 范式）

抽象为：Thought（推理）→ Action（行动）→ Observation（观察）→ … → Final Answer。

实现上常由「编排层（Orchestrator）」驱动：解析模型输出、执行工具、把结果写回上下文，直到满足停止条件。

1.3 面试问题（Q）与标准答案（A）

Q1：一句话说明什么是 AI Agent？

A： AI Agent 是以大模型为认知核心，结合规划、记忆与工具调用，能在多步交互中根据环境反馈持续决策并完成任务的系统；其本质是闭环的感知—思考—行动循环，而不仅是单次文本生成。

Q2：为什么说 Agent = LLM + Planning + Memory + Tools？缺一块会怎样？

A：

•

缺 Planning：容易变成「只会接话」的聊天，长任务易跑偏或一步登天完不成。

•

缺 Memory：长对话会丢线索，多会话无法延续用户偏好与任务状态。

•

缺 Tools：只能「空谈」，无法查实时信息、执行代码、改系统状态。

•

LLM 仍是中枢，但单靠 LLM 没有外环则不是完整 Agent。

1.4 可能的追问及应对

•

追问：Agent 的「自主」是不是不受控？

应对：强调策略与护栏：工具白名单、参数校验、人在回路（HITL）、预算与步数上限、输出审核；自主是在约束空间内的决策。

•

追问：和 AutoGPT 那种有什么区别？

应对： AutoGPT 是早期「目标导向 + 工具」的一种产品形态；面试应抽象到循环架构与组件（规划/记忆/工具），避免绑定单一产品名。

1.5 代码示例：最小「思考—行动—观察」循环（Python 伪代码）

代码块

Python

def run_agent(user_goal: str, tools: dict, llm, max_steps: int = 8):

messages = [{"role": "system", "content": "你是可调用工具的 Agent。"},

{"role": "user", "content": user_goal}]

for _ in range(max_steps):

plan = llm.chat(messages) # 模型决定：结束 or 调用某工具

action = parse_tool_call(plan) # 从模型输出解析结构化动作

if action.name == "finish":

return action.args["answer"]

obs = tools[action.name](**action.args)

messages.append({"role": "assistant", "content": plan})

messages.append({"role": "user", "content": f"工具结果：{obs}"})

return "超过最大步数，未完成。"

Agent vs LLM Chain vs ChatBot

2.1 概念解释（通俗易懂，带类比）

•

ChatBot（聊天机器人）：像前台接待——以对话为主，核心是「接话与回复」，通常不强调多步任务闭环与工具编排。

•

LLM Chain（链）：像流水线工人——人（开发者）预先写好步骤顺序：A 做完接 B，再接 C；路径相对固定。

•

Agent：像项目经理——步骤不是完全写死的，模型根据当前观察决定下一步，可分支、可重试、可换工具。

2.2 原理详解（技术细节）

本质区别一句话：

•

Chain：控制流在代码里。

•

Agent：控制流在模型决策 + 环境反馈里（仍可由代码设边界）。

2.3 面试问题（Q）与标准答案（A）

Q3：Agent 和 Prompt Chain 有什么本质区别？

A： Prompt Chain 的拓扑与顺序主要由工程侧固定；Agent 在运行时在动作空间中做选择，并依赖 Observation 更新信念，适合输入与路径不确定的任务。二者可结合：链负责稳定流程，Agent 负责链内某段的灵活分支。

Q4：ChatBot 加上插件是不是就变成 Agent 了？

A：不一定。若插件调用由固定规则触发（例如关键词路由），更像「带工具的 Bot」。若由模型在多步推理中自主选择工具与参数，并形成闭环迭代，则更贴近 Agent。关键在是否具备多步自主决策与反馈闭环。

•

追问：RAG + Chat 算不算 Agent？

应对：单次检索再回答，偏「增强型 Chat」。若有多轮检索策略（查不到换查询、分解子问题、交叉验证），则具备 Agent 特征。名称不重要，讲清架构即可。

2.4 可能的追问及应对

2.5 架构差异图（文字描述）

代码块

Plain Text

[用户]

│

▼

┌──────────────────────────────────────┐

│ ChatBot：对话管理 +（可选）知识检索 │

│ 输出：自然语言回复 │

└──────────────────────────────────────┘

[用户]

│

▼

┌─── 步骤1 ───►┌─── 步骤2 ───►┌─── 步骤3 ───► 输出

│ LLM/解析 │ LLM/转换 │ 工具/API │

Agent 的核心组成

3.1 概念解释（各部分做什么）

感知（Perception）

把多模态输入（文本、文件、接口返回、页面结构等）转成模型可用的表示，并抽取任务相关状态。

规划（Planning）

把目标拆成子目标与步骤；可以是一次性计划或每步重规划（re-plan）。

记忆（Memory）

◦

短期：当前会话上下文、工具轨迹。

◦

长期：用户画像、文档知识、向量库、图数据库等。

工具（Tools）

对外部世界可执行的操作抽象：需有清晰 schema（名称、描述、参数 JSON Schema）。

执行（Action）

真正调用工具或触发环境变化，并处理超时、重试、幂等等工程问题。

反思（Reflection）

对失败或质量不佳的结果进行自省：纠错、换策略、生成检查清单（常与「自我批评 / 验证器」配合）。

3.2 原理详解（技术细节）

•

感知常与结构化抽取、OCR、HTML 解析、日志解析结合；关键是减少噪声进上下文。

•

规划常见实现：CoT / ReAct、Planner-Executor 双模块、树搜索（LATS）、任务图。

•

记忆工程要点：摘要压缩、引用溯源、记忆冲突解决、权限与隐私。

•

工具要点：最小权限、参数校验、错误信息回灌模型。

•

反思可做成独立子调用：「列出本次推理的三处风险并修正」。

3.3 面试问题（Q）与标准答案（A）

Q5：Agent 的记忆一般怎么设计？

A：分层设计最常见：工作记忆（当前轨迹与关键结论）+ 会话记忆（摘要滚动）+ 长期记忆（向量检索/结构化库）。写入要区分「事实」与「推断」，并带时间戳与来源，便于更新与撤销。

Q6：规划和执行要不要拆开两个模型？

A：视任务而定。Planner-Executor 拆分可提升可控性（强模型规划、快模型执行）；单模型端到端更简单但易在长链路漂移。可混合：规划用强模型，执行层做确定性校验。

3.4 可能的追问及应对

•

追问：反思是不是必须？

应对：不是必须，但对高 stakes 或易错工具场景收益大；成本是额外延迟与 Token。

3.5 代码示例：工具 Schema（OpenAI 风格示意）

代码块

JSON

tools = [

{

"type": "function",

"function": {

"name": "search_kb",

"description": "在公司知识库中按关键词搜索",

"parameters": {

"type": "object",

"properties": {

"query": {"type": "string"},

"top_k": {"type": "integer", "default": 5}

"required": ["query"]

}

]

Agent 的工作流程

4.1 概念解释

可理解为：听懂 → 拆活 → 动手 → 对账 → 交卷。

4.2 原理详解（逐步）

输入处理

意图识别、指代消解、安全过滤、加载相关记忆与文档。

任务分解

生成子任务列表或决策树；复杂任务可配合 Human-in-the-loop 确认里程碑。

工具选择与调用

由模型或路由模块选择工具；执行器做鉴权、限流与结果规范化。

结果整合

合并多源信息，解决冲突（例如时间更新的数据优先）。

输出生成

面向用户的自然语言答案 + 可选引用与操作轨迹（便于审计）。

4.3 面试问题（Q）与标准答案（A）

Q7：如何避免 Agent 在工具调用间「迷失」？

A：

•

明确停止条件与最大步数；

•

维护任务清单（todo）与当前子目标；

•

对每步输出要求结构化（JSON）；

•

关键步骤强制验证（单元测试式检查、二次 LLM 审核）。

4.4 可能的追问及应对

•

追问：结果冲突怎么整合？

应对：优先级规则（权威源 > 时间新 > 多源一致）、让模型显式输出「冲突说明」、必要时触发人工。

4.5 代码示例：简单「任务清单」状态

代码块

SQL

Agent 的分类

5.1 概念解释（经典 AI 教材视角）

分类来自智能体理论，可与 LLM Agent 对照理解：

5.2 原理详解（与 LLM Agent 的映射）

•

反应式：适合低延迟、规则清晰；LLM 只做轻量分类/路由。

•

基于模型：显式维护状态机、仿真环境或知识图谱。

•

目标 / 效用：用奖励函数、约束优化、多指标打分指导规划。

•

学习型：RLHF、在线反馈、Bandit 选工具；注意样本效率与安全。

5.3 面试问题（Q）与标准答案（A）

Q8：基于效用的 Agent 和基于目标的有什么区别？

A：目标型关注「是否达成」；效用型在多个冲突目标间做权衡（成本、时延、风险、用户偏好），选综合最优而非单点达成。

Q9：反应式 Agent 有什么优缺点？

A：优点：快、可解释、易测试。缺点：对长程依赖与复杂推理弱；遇到未见输入可能失效。常与分层架构结合。

5.4 可能的追问及应对

•

追问：LLM Agent 一般算哪一类？

应对：常是混合型：底层是模型推理，上层可接目标/效用（打分选路径）+ 记忆（世界状态）+ 学习（反馈更新）。

Agent 的应用场景

6.1 概念解释

结合「高频、可工具化、可评估」的场景优先落地。

6.2 原理详解（场景与要点）

智能客服

工单查询、订单状态、退换货政策；需知识库对齐、身份鉴权、升级人工策略。

代码助手

读仓库、跑测试、提 PR；需沙箱、diff 审查、最小权限。

数据分析

NL2SQL、制图、解读；需数据治理、行级权限、结果校验。

自动化运维

查日志、重启服务、开单；需审批流、灰度、回滚。

知识管理

摘要、标签、关联检索；需溯源、版本、权限。

6.3 面试问题（Q）与标准答案（A）

Q10：企业内部落地 Agent，你最先关心哪三个非功能需求？

A：安全与合规（权限、审计）、可控性（人在回路、工具白名单）、可观测性（轨迹、指标、回放）。

6.4 可能的追问及应对

•

追问：客服场景如何降低幻觉？

应对：强 RAG 溯源、禁止无引用断言、模板化答复、未知则转人工。

Agent 的挑战与局限

7.1 概念解释

Agent 把能力做强的同时，把错误放大到多步；工程上要「限步、限权、可观测、可回滚」。

7.2 原理详解

幻觉

模型编造事实或工具参数；对策：检索 grounding、约束解码、验证器。

安全性

Prompt 注入、工具滥用、数据外泄；对策：分层信任域、输出过滤、秘密不入模型上下文。

成本控制

长链路 × 大上下文；对策：摘要、小模型路由、缓存、批处理工具。

可解释性

提供轨迹、引用、决策日志；关键操作可回放。

评估困难

单轮 BLEU 不适用；需过程指标（工具是否正确）、结果指标（任务是否完成）、人工抽检。

7.3 面试问题（Q）与标准答案（A）

Q11：怎么评估一个 Agent 的好坏？

A：分层评估：任务成功率、平均步数/成本、工具错误率、用户满意度、安全事件数；基准可包括静态数据集 + 仿真环境 + 线上 A/B。

Q12：Agent 的最大风险是什么？

A：复合错误与权限滥用——单步小错在多步放大，或工具被诱导执行高危操作；因此必须最小权限 + 强审计 + 人在回路。

7.4 可能的追问及应对

•

追问：如何防止 Prompt 注入？

应对：工具层鉴权与用户身份绑定、结构化分隔用户内容与指令、敏感操作二次确认、输出侧 DLP。

综合面试题库（15+ 题）

下列题目覆盖定义、对比、架构、工程与治理；每题含标准答案与追问提示。

Q13：请用你自己的话定义 LLM Agent，并说明与单次调用的差异。

A： LLM Agent 是以大语言模型为推理核心，在多轮中与外部环境交互，通过规划、记忆与工具完成复杂任务的系统。与单次调用的差异在于：单次调用是开环生成；Agent 是闭环决策，每步可依据工具返回更新状态，直到终止条件。

追问：若没有外部工具，还能叫 Agent 吗？

应对：可称为「弱环境」Agent，仅有对话记忆与推理；但仍可有内环多步 CoT 与 **自我验证」。面试中强调是否存在「行动—观察」循环更清晰。

Q14：ReAct 框架里三个字母代表什么？解决什么问题？

A： Reasoning + Acting：在生成中交替进行推理（Thought）与行动（Action），并接收观察（Observation）。它解决的是：模型仅「空想」容易偏离事实；通过显式推理 + 工具反馈把推理锚定在真实环境上。

Q15：你会如何设计 Agent 的停止条件？

A：组合使用：模型声明 finish、任务清单全部完成、达到步数/预算上限、超时、连续无进展检测、外部成功信号（如测试通过）。生产环境必须有硬上限防止死循环。

Q16：工具描述（tool description）为什么非常重要？

A：模型靠描述做工具选择；描述不清会导致选错工具、参数幻觉。好的描述包含：何时用、何时不用、参数含义、错误示例、返回格式。

Q17：Memory 用向量库就够了吗？

A：不够。向量检索擅长相似度，但弱于精确约束与关系推理。工程上常见向量 + 关键词/结构化库 + 图谱（按需），并维护元数据与权限。

Q18：多 Agent 协作和单 Agent 多工具怎么选？

A：

•

单 Agent 多工具：实现简单、延迟低，适合任务边界清晰。

•

多 Agent：角色分工、并行探索、对抗审查（如「批评者 Agent」）；但带来协调成本与一致性问题。

选型看任务分解结构、组织边界、延迟与成本。

Q19：如何做「人在回路」又不打断体验？

A：分级：低风险自动执行；中风险异步审批；高风险实时确认。产品上预授权（例如仅本次会话可读某目录）、可撤销、默认最小权限。

Q20：Agent 日志应记录什么？

A：用户输入（脱敏）、模型原始输出、解析后的工具调用、工具返回摘要、耗时与 Token、版本号（模型与 Prompt）、追踪 ID，便于复盘与合规审计。

Q21：为什么「让模型自己选工具」可能不如「路由器 + 规则」？

A：在域窄、路径稳定的场景，路由器更省成本、可测试、行为确定；全模型路由在开放域更灵活。最佳实践常是混合：易分类走规则，难例走模型。

Q22：简述 Planner-Executor 架构及优缺点。

A： Planner 产出步骤或 DAG；Executor 逐步执行并可把结果反馈给 Planner 重规划。优点：结构清晰、易加校验；缺点：规划一次可能不准，需迭代重规划；两阶段可能增加延迟。

Q23：Agent 如何做版本管理与灰度？

A： Prompt/工具/schema 版本化；影子模式（只记录建议不执行）；金丝雀用户群；关键指标对比（成功率、成本、违规数）；一键回滚。

Q24：举一个「不是 Agent 但常被误认为 Agent」的例子。

A：固定三步的 RAG 流水线（query 改写 → 检索 → 生成），若无基于观察的再决策循环，更像 Chain；若加入多轮检索策略与失败分支则接近 Agent。

Q25：你如何向非技术经理解释 Agent 的风险？

A：用「能办事的实习生」类比：能力强但可能记错、被误导、误操作；所以我们要权限卡、审批、监控录像（日志），重要操作双人复核——对应最小权限、人在回路、审计。

Q26：上下文窗口越来越大，还需要外部记忆吗？

A：需要。长窗口 ≠ 低成本，也不等于可检索、可治理、可遗忘。外部记忆解决跨会话持久化、结构化权限、版本与溯源；窗口内更适合热工作集。

Q27：如何测试 Agent？

A：单元测工具、模拟环境、回归集（固定任务与期望轨迹范围）、对抗用例（注入、越权）、线上金丝雀；避免只测最终答案而忽略过程正确性。

附：知识点速查表

学习建议：读完本文后，尝试用 200 行内实现一个「带假工具」的循环 Agent，并刻意制造工具失败与注入攻击用例，观察系统行为，再对照本文的治理手段逐项加约束。