AI Agent 基础概念（面试八股文）
PDF版本：
链接: https://pan.baidu.com/s/1m6xKIcE4-CIo26iP_zWsqQ 提取码: s2xe
AI Agent 基础概念（面试八股文）
1. 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）
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。"
2. 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）
| 维度 | ChatBot | LLM Chain | Agent |
|---|---|---|---|
| 控制流 | 多为线性对话 | 开发者定义的 DAG/序列 | 模型驱动的分支与循环 |
| 工具 | 可有可无 | 可嵌入固定节点 | 动态选择与多轮调用 |
| 状态 | 主要会话上下文 | 链各节点显式传递 | 记忆 + 环境观察 |
| 适用 | 问答、闲聊、简单引导 | ETL 式固定流程 | 开放问题、研究、自动化任务 |
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。
2.4 可能的追问及应对
- 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。
2.5 架构差异图（文字描述）
[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 │
└─────────────┴─────────────┴──────────────┘
LLM Chain（控制流在代码中编排）
[用户]
│
▼
┌──────────────────────────────────────┐
│ Agent 编排器 │
│ loop: LLM 规划 → 选工具 → 环境反馈 │
│ → 写入记忆 → 直到终止条件 │
└──────────────────────────────────────┘
│ ▲
▼ │
[工具/API/数据库/浏览器/代码执行环境]
3. 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）
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"]
}
}
}
]
4. 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
state = {
"goal": "生成上季度销售报告",
"todos": [
{"id": 1, "task": "拉取销售数据", "done": False},
{"id": 2, "task": "计算同比", "done": False},
{"id": 3, "task": "写成摘要", "done": False},
],
"notes": []
}
5. 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：
| 类型 | 通俗理解 |
|---|---|
| 反应式（Reactive） | 类似反射：输入→动作，几乎不维护复杂内部模型。 |
| 基于模型（Model-based） | 脑中有「世界模型」，能预测行动后果。 |
| 基于目标（Goal-based） | 明确要达成什么状态，能选路径。 |
| 基于效用（Utility-based） | 多目标权衡，选期望效用最大的行动。 |
| 学习型（Learning） | 从反馈中更新策略或模型。 |
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）。
6. 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。
7. 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。
8. 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。
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
5
0- 0
已为社区贡献1条内容
所有评论(0)