Agent 开发面经库

易什么是 AI Agent？它和普通 API 调用有什么区别？

易 Agent=LLM+规划+记忆+工具，这三个模块分别解决什么问题？

易 Agent 与传统程序、纯 LLM 三者有何本质区别？

中 LLM Agent 的核心能力边界在哪里？哪些任务不适合用 Agent 解决？

中什么是 Agent 主循环（Agentic Loop/执行循环）？包含哪些标准步骤？

中请详细解释 ReAct 范式，它为何有效？

中什么是 Plan-and-Execute 范式？与 ReAct 相比有何优劣？

中什么是 Agent 的自我反思（self-reflection）？如何实现？

难什么是思维树（Tree of Thoughts, ToT）？与思维链有何区别？

中什么是任务规划（task decomposition）？如何把复杂任务拆成子任务？

中 Agentic Loop 中如何设计循环终止条件？为什么要设置最大步数？

中 Agent 调用工具失败时如何自愈重试？请给出设计策略。

中如何用状态机（finite-state machine）建模 Agent 的行为？

中为什么要将"规划"与"执行"解耦？有什么好处？

难当底层模型能力不足时，Agent 应该回退吗？如何决策？

中如何保证 Agent 的确定性与可复现性？

难如何并发/并行执行多个 Agent 子任务？要注意什么？

难 Agent 上下文管理怎么做？长上下文如何避免信息过载与成本爆炸？

难如何设计 Agent 的超时与熔断机制？

易如何让 Agent 解释自己的决策？为什么可解释性重要？

难 Agent 的幻觉会如何影响任务执行？如何缓解？

中给 Agent 准备工具时（what tools to prepare），应遵循什么原则？

中 Agent 的长任务记忆与短任务记忆有何区别？如何选择？

难什么是认知架构（cognitive architecture）？在 Agent 中指什么？

中 Toolformer、ReAct、CoT 三种范式有何区别？

难 Agent 评估（ML-Agents/评估框架思想）的思路是什么？如何评测一个 Agent？

中命令式 Agent 与声明式 Agent 有何区别？各适合什么场景？

难 Agent Safety 与越权风险如何防护？

难什么是 prompt injection？对 Agent 有何特殊威胁？

中多 Agent 协作与单 Agent 有何本质差异？如何设计协作拓扑？

中设计一个企业级客服/问答 Agent 的整体架构，你会怎么分层？请画出大致模块并说明每层职责。

中如何把一个 Agent 接入 Spring Boot/Java 后端服务？接入时要注意哪些工程问题？

中并发请求下，多个用户同时调用 Agent，如何保证资源安全和响应稳定？

难 Agent 的流式输出（打字机效果）怎么通过 SSE 发给前端？讲清实现与坑。

中 Agent 响应变慢、token 消耗上涨，你会如何做性能优化？给出定位方法。

中如何设计可扩展的数据源接入，让系统后续能轻松增加新的知识库或外部系统？

中 SaaS 多租户场景下，Agent 数据隔离和权限隔离怎么做？

中 Agent 调用外部/内部 LLM 时，如何实现指数退避重试？讲讲参数与注意事项。

中如何给 Agent 的任务设置超时，避免某个环节卡死拖久？

难 Agent 处理浪费时间很长的任务时，怎么实现异步化队列 + 进度上报？

难 Agent 暴露出来的一堆工具（查订单、改密、删除等），工具集与权限如何设计才安全清晰？

中上下文过长、超出模型 token 上限时，你会怎么做兜底？

中如何设计 Agent 结果的落库与审计机制，保证可追溯、可追责？

中公司对 Agent 有成本预算要求，如何实现成本预算与限流？

中当 LLM 服务彻底不可用（无模型可用）时，Agent 如何优雅降级不至于全崩？

难 Prompt 与答案缓存怎么设计能提升性能又保证新鲜度？

难 Agent 的配置（prompt 模板、模型、阈值）如何做热更新，发布新 prompt 不用重启？

难 Agent 面临 Prompt injection、越权、敏感数据脱敏，安全体系怎么设计？

中多轮会话的状态存储怎么设计？兼顾上下文与成本。

中 Agent 的效果指标怎么上报与评估？（准确率、满意度、token 等）

易从 0 到 1 落地一个 Agent，怎么规划迭代顺序，先做最小可用版本（MVP）？

中 Agent 依赖 LLM 的 API KEY 等敏感凭证，如何安全地做鉴权与密钥管理？

难要把 Agent 能力开放给多个内部/外部系统，跨服务 Agent API 怎么设计？

难 Agent 的正确性靠什么保障？如何做单元测试、集成测试和端到端测试？

难 agent 中哪些环节需要 human-in-the-loop 人工介入？机制如何设计？

中面向非技术用户，Agent 的 UI 怎么设计才能好用、可信？

难 Agent 改版/调 prompt 后，怎么建立基准回归机制防止效果退化？

难全链路可观测怎么做？traceId 如何在 Agent 的多环节调用间传递和串联？

易为什么 Agent 评测比传统软件或单次 LLM 调用的评测更难？

易评测 Agent 通常从哪些维度入手？完成度=正确性吗？

中离线评测与在线评测的区别是什么？各自适用什么场景？

中什么是 golden set / test set？在 Agent 评测里它和传统机器学习测试集有何不同？

难 LLM-as-judge 评测有什么优缺点？有哪些常见陷阱？

易人工评测与自动评测如何取舍？工程上怎样配合？

难什么是 trajectory 评测？为什么要评测推理轨迹而非只看最终结果？

中如何定义和统计"工具调用成功率"？它有几个子项？

中端到端任务成功率是最重要的指标吗？如何合理定义它？

中什么是 faithfulness（忠实度）？为什么检索增强 Agent 必须评测它？

中 RAG 三类指标——context relevance、groundedness、answer relevance 分别衡量什么？

难技术指标如何与业务目标对应起来？为什么不能只看技术分数？

中 Agent 的可观测性要记录哪些内容？trace/span/log 各承担什么角色？

中记录 tool call 与 LLM 往返时要注意哪些细节？

中针对 cost 和 latency 需要监控哪些指标？如何发现劣化？

难什么是失败回放与回归测试？如何基于日志回放复现线上失败？

难如何建立 online feedback / 反馈闭环，把线上用户反馈回流到评测与迭代？

难评测集维护会遇到哪些问题？如何防止评测集数据泄漏？

难如何权衡"提高成功率"与"控制成本"这两个目标？

难针对 Agent 做 A/B 实验与逐步发布时要注意什么？

易 LangChain、LangGraph、LlamaIndex、AutoGen、CrewAI、OpenAI Swarm 各侧重解决什么问题？如何选型？

易 LangChain 中的 Chain、Agent、Tool、Memory 分别是什么？四者如何配合？

中 LangGraph 和 LangChain 是什么关系？为何在 LangChain 之上还要 LangGraph？

中 LangGraph 中的节点、边、图、State 四个概念如何理解？

中 LangGraph 的 StateGraph 如何做状态管理与 reducer？举例说明 add_messages。

中普通 Chain 与图式工作流（Graph）的本质区别是什么？何时用图？

中 LlamaIndex 的定位是什么？它的核心抽象（数据/索引）如何支撑 RAG？

中 AutoGen 的多智能体会话理念是什么？多 Agent 如何协作？

中 CrewAI 的角色化 crew 与 process 机制如何工作？

中在框架中，Agent 的“推理-行动-观察”循环是如何被编排的？

中在框架中如何声明 tool calling 工具？以 LangChain 的 @tool 与 BaseTool 为例。

难框架中 Agent 的 retry 与 human-in-the-loop 如何实现？

难 LangGraph 的中断与恢复（checkpoint / interrupt）机制原理是什么？

中 LangGraph 的条件边/路由条件如何实现动态跳转？

中框架内如何实现 LLM 逐步流式输出与工具调用的流式？

中 LangChain4j 是什么？如何用它在 Java/Spring 生态集成 LLM Agent？

中框架是如何简化 Prompt 编排的？有哪些典型机制？

中什么时候应该放弃框架直接手写？权衡点是什么？

中框架中的 Memory 抽象有哪些形态？各自的适用场景？

中如何给 LangGraph 添加自定义节点？简述实现步骤。

中工作流编排中 tool 的错误处理有哪些层次？如何设计容错？

中框架的版本兼容与生态锁定风险是什么？如何对冲？

中框架中多 Agent 之间如何通信？有哪些协作模式？

难如何做框架级评测？核心维度与工具是什么？

难 LangGraph 如何实现并行节点/扇出（fan-out）并行执行？

中框架如何对 tool 调用做结构化解析？遇到无效输出怎么办？

难 serverless agent 平台（如 Cloudflare Agents / 阿里云百炼等）与自建框架的区别是什么？

中对比 LangChain/LangGraph 与 AutoGen/CrewAI：它们在单 Agent 与多 Agent 场景各自的取舍？

易 Transformer 的整体结构由哪些核心部分组成？

易自注意力机制中 Q、K、V 分别是什么？

易自回归 Decoder 是什么含义？

易 Tokenizer 与 BPE 的作用是什么？

中什么是 Embedding 与上下文向量？

易 Softmax 在注意力中的作用是什么？

中位置编码的作用是什么？RoPE 与绝对位置编码有何区别？

易预训练与微调（SFT）分别解决什么问题？

中 RLHF 的作用是什么？训练流程如何？

易指令微调与普通文本续写有什么区别？

易温度 temperature 参数是如何影响生成结果的？

中 top_p 与 top_k 采样分别是什么？

中 repetition_penalty（重复惩罚）的原理是什么？

中大模型幻觉（Hallucination）的主要成因有哪些？如何缓解？

易上下文窗口（Context Window）是什么？超限会怎样？

难 KV Cache 的作用与原理是什么？

中流式输出（Streaming）是如何实现的？

中 system、user、assistant 三种 role 的作用与优先级？

易什么是 In-Context Learning（上下文学习）？

中思维链 CoT（Chain of Thought）的原理与作用？

中温度对生成确定性的影响机制是什么？

中 temperature 与 top_p 之间的配合关系？

难长度限制 / 截断策略下的处理方式是什么？

难系统注入中 system prompt 的位置优先级如何影响行为？

中停止序列（Stop Sequence）的作用是什么？

难 Sequence-to-Sequence 模型与纯 Decoder 模型有何区别？

中多轮对话状态应如何管理与组织？

难 token 数量如何估算？中文与英文有何差异？

难上下文超限（Context Overflow）应如何应对？

难 Strong Model 与 logits/logprobs 的作用是什么？temperature=0 一定完全确定吗？

易 Agent 为什么需要「对话记忆」？没有记忆会出现什么典型问题？

中短期记忆、长期记忆与 Working Memory 的区别是什么？在 Agent 里各自如何落地？

易什么是对话历史裁剪（Truncation）？为什么要做？

中 max_tokens 与 context budget 的区别？如何规划上下文预算？

中如何正确维护 Message 结构里的 role 与 metadata？常见坑有哪些？

中滑动/滚动窗口（Sliding Window）在对话记忆里怎么实现？利弊如何？

中什么是全文摘要压缩（Summary Compression）？什么时候该触发？

中什么是记忆检索按需拉取（Retrieval on Demand）？适合什么场景？

难向量记忆（Vector Memory）如何工作？embedding 与检索链路怎么搭？

难什么是「总结+检索」混合记忆（Hybrid Memory）？为什么单一方案不够？

中什么是记忆的上下文污染？如何防止无关历史干扰当前任务？

中跨会话持久化（Cross-session Persistence）怎么实现？如何保证用户数据隔离？

难如何设计与实现上下文压缩管理器（CMS, Context Management System）？

中长对话下如何做 token 控制？有哪些手段按优先级列出？

易消息截断的优先级如何设计？为什么一定要保留 system 和最近的用户消息？

中语义检索历史与关键词检索历史有何区别？各适合什么场景？

中 Agent 记忆涉及哪些隐私问题？如何在记忆方案里做隐私保护？

难出现"上下文被覆盖/丢失"该怎么排查？诊断路径是什么？

易为什么要在上下文里"显式声明重要事实"？怎么做？

中如何评估 memory 方案的质量？有哪些量化指标？

中为什么简单的多轮消息拼接无法支撑长会话？瓶颈在哪？

中记忆写入（Memory Write）应该遵循什么策略？什么时候写、写什么？

难什么是 lost in the middle 现象？上下文工程如何缓解？

难「上下文工程」包含哪些手段？它们与提示工程、RAG 的区别是什么？

易为什么需要多 Agent 协作？单 Agent 有哪些天然的局限？

易单 Agent 与多 Agent 如何取舍？什么场景不该用多 Agent？

中多 Agent 常见的角色分工模式有哪些？各自适合什么场景？

中什么是 orchestrator-worker 模式？它解决了什么问题？

中多 Agent 的“辩论/协作模式”和“竞争模式”有何区别？各用于什么场景？

难多 Agent 之间常用的通信方式有哪些？各自的优缺点是什么？

难为什么多 Agent 需要“角色记忆隔离”？隔离到什么程度合适？

难多 Agent 中“上下文共享与隔离”如何平衡？哪些该共享、哪些该隔离？

难多 Agent 出现分歧时如何决策收敛（达成共识）？常见方案有哪些？

难 orchestrator 如何做子任务的分派与结果汇合？如何提高汇合的稳定性？

中为什么多 Agent 会放大 token 成本？如何估算与控制？

难多 Agent 会出现哪些死锁或循环现象？如何防范？

难多 Agent 的 Graph 与 coordinator 两种组网方式分别适用什么场景？

难多 Agent 并行执行时会面临哪些并发与冲突问题？如何处理？

难多 Agent 系统如何评测？与单 Agent 评测有何不同？

中在什么情况下多 Agent 反而比单 Agent 更差？如何避免？

中什么是团队模拟（如 MetaGPT）模式？它如何组织多 Agent？

难多 Agent 系统中如何落实安全与权限隔离？

中在 workflow/流程编排里多 Agent 作为节点时有哪些设计要点？

难如何判定你的 Agent 需要升级为多 Agent，并给出部署与监控的落地建议？

易 Prompt 工程的核心思想是什么？它与传统编程有何本质区别？

中设计 System Prompt 时应包含哪些关键部分？

易什么是角色扮演（role）？它为什么能提升输出质量？

中什么是 few-shot / one-shot 示例？它解决什么问题？

易什么是 zero-shot？它在什么场景下不合适？

中 few-shot 选例应遵循哪些原则？选错示例会怎样？

中什么是 CoT（思维链）提示？它为什么能提升推理能力？

中什么是 zero-shot-CoT？它的关键触发词是什么？

难什么是 self-consistency（自洽性）？它如何改进 CoT？

难什么是 ReAct 提示？它的循环结构是怎样的？

中如何用 Prompt 约束模型输出为严格合法的 JSON？

中用分隔符/分节组织 Prompt 有什么好处？常见写法是什么？

易如何让模型明确输出格式？为什么明确比含糊有效？

中如何约束模型的置信表达？含义是什么？

中为什么在 Prompt 中加入反例/负面示例（不要做什么）？

中什么是模型输出的一致性/对齐问题？如何增强一致性？

难什么是 Prompt injection？如何防止模型被 user 内容带偏？

易什么是 ICIO / RISEN 等提示框架？它们的作用是什么？

难为什么要把复杂任务链式分解成多个 Prompt 步骤？

中 Prompt 中该不该放与任务无关的多余信息？会造成什么影响？

易如何控制模型输出长度？有哪些有效手段？

难 few-shot 示例若远超模型学习能力会怎样？

中温度与 prompt 如何配合？分别调参的权衡是什么？

难什么是 jailbreak（越狱）？它与 prompt 注入有何关系？

中 Prompt 与上下文长度之间有何关系？长上下文下要注意什么？

中如何让模型自我校验/反思输出？怎么设计这类 Prompt？

易罗列式 Prompt 与叙述式 Prompt 有何区别？各适合什么场景？

中提示词放置顺序会影响输出吗？关键内容应放在哪？

难 Agent 中 Prompt 如何与工具提示（tool schema）配合？

难如何做 Prompt 版本管理？为什么它对生产 Agent 重要？

易 RAG 是什么？它主要解决传统 LLM 的什么问题？

中对比 RAG 与模型微调（Fine-tuning）的适用场景、优缺点。

中简述 RAG 的 indexing（索引）流程各环节：解析、分块、向量化、存储。

中什么是 chunking（分块）策略？为什么块大小很关键？

中什么是 chunk overlap？为什么切块时要设置块间重叠？

中如何选择 embedding 模型？关键考量有哪些？

中常见的向量数据库有哪些（Milvus/FAISS/Qdrant/Chroma）？如何选型？

中什么是混合检索（hybrid search）？为什么「稠密向量 + 稀疏检索」更有效？

中如何评估 RAG 的检索召回质量？（hit rate 命中率）

中什么是 rerank（重排序）？为什么「先粗召回再重排」能提升质量？

中什么是查询改写（query rewriting）？它解决什么问题？

难什么是 HyDE（假设性文档嵌入）？它如何提升检索效果？

难什么是 Multi-Query 与 RAG-Fusion？两者的联系与区别？

中如何确定检索后注入上下文的 top-k / top-n？多了或少了有什么问题？

中检索片段如何组装进 prompt 才能让模型用好并降低幻觉？

中 RAG 如何做到准确的引用与溯源（citation / sourcing）？

难检索不到相关片段或检索到噪声片段时，该怎么办？

难比较迭代检索类方法：ReAct-RAG、Self-RAG、CRAG 各自思路与适用场景。

中什么是 Agentic RAG？它与传统 RAG 的区别是什么？

中如何用 RAG 处理超大文档（如整本书）？谈谈摘要与 MapReduce。

难如何构建支持实时知识更新和多轮对话的 RAG 系统？

难 RAG 系统常用的评测指标有哪些？讲清 faithfulness、answer relevance、context relevance。

中如何用 chunk 召回与 embedding 相似度阈值控制检索精度？

中文档更新或删除后，如何保持向量库与源文档索引同步？

中检索结果缓存（caching）能优化 RAG 哪些方面？有哪些权衡？

难 RAG 中的幻觉来源有哪些？如何系统性降低？

中什么是父子分块（parent-child chunk）？它如何兼顾检索与上下文？

中什么是路由检索（retrieval routing）？如何按意图选择数据源？

易什么是 Function Calling / Tool Calling？为什么 Agent 需要它？

易工具的参数 schema 一般用什么格式描述？请说明 JSON Schema 的核心字段。

中模型在推理时是如何“输出”一个 tool call 的？

中什么是并行 tool call？如何实现多个工具同时调用？

中请描述完整的 call→执行→回填（tool-calling 循环）流程。

中 tool result 一般用什么类型/格式回传给模型？

中模型选错了工具怎么办？如何降低误选概率？

中工具描述（description）的质量为什么影响巨大？好的描述长什么样？

中什么是 JSON mode / strict output？与 tool calling 有什么关系？

中多个工具都能并行执行时，工程上如何组织真正的同时执行？

难工具返回结果太长被截断怎么办？

难如何保证回传给模型的 tool result 与模型的问题相关（result relevance）？

难目标工具不可用（如服务宕机、被禁）时，如何优雅回退？

难 Function Calling 会带来怎样的 token 开销？如何评估与优化？

易请简要说明 OpenAI 的 tools API 基本结构与用法。

易什么是 MCP？它为什么出现？

中请解释 MCP 的三大核心概念：Resources、Prompts、Tools。

易 MCP 中的 server 与 client 各是什么角色？

中 MCP 有哪些 transport（通信方式）？各自适用场景？

中 MCP 与普通 REST API 有何区别？为何不直接用 REST？

难 MCP 的认证与安全如何保障？有哪些注意点？

难一个 Agent 同时连接多个 MCP server 时，如何组织与管理？

难为什么要在沙箱中执行工具？沙箱的实现思路有哪些？

难如何实现工具的幂等性与安全重试？

难工具调用如何设置超时？如何支持异步/长耗时工具？

中 Function Calling 与 MCP 是什么关系？该如何取舍？

难什么是 Webhook 动态工具？它与静态工具注册有何不同？

中设计一套良好 Agent 工具集，应遵循哪些原则？