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。

1. 什么是 AI Agent

概念解释

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）

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。

原理详解

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」（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。
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。

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。

追问及应对

追问	应对要点
Agent 的「自主」是不是不受控？	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。
和 AutoGPT 那种有什么区别？	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。

代码示例：最小「思考—行动—观察」循环（Python 伪代码）

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。"

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

概念解释

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。

原理详解（对比表）

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）。

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。

追问及应对

追问	应对要点
RAG + Chat 算不算 Agent？	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。

3. Agent 的核心组成

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。

原理详解

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」。

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。

追问及应对

追问	应对要点
反思是不是必须？	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。

代码示例：工具 Schema（OpenAI 风格示意）

python

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"]
            }
        }
    }
]

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

概念解释

可理解为：听懂 → 拆活 → 动手 → 对账 → 交卷。

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）。

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）。

追问及应对

追问	应对要点
结果冲突怎么整合？	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。

5. Agent 的分类

概念解释（经典 AI 教材视角）

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。

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。

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。

追问及应对

追问	应对要点
LLM Agent 一般算哪一类？	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

概念解释

结合「高频、可工具化、可评估」的场景优先落地。

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。

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）。

追问及应对

追问	应对要点
客服场景如何降低幻觉？	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

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」。

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。

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。

追问及应对

追问	应对要点
如何防止 Prompt 注入？	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）

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？——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

主题	一句话
定义	LLM + 规划 + 记忆 + 工具，闭环决策
vs Chain	控制流在代码 vs 在模型+环境反馈
vs ChatBot	对话为主 vs 任务闭环与工具编排
组成	感知、规划、记忆、工具、执行、反思
流程	输入→分解→调用→整合→输出
分类	反应式、模型、目标、效用、学习
场景	客服、代码、数据、运维、知识管理
挑战	幻觉、安全、成本、可解释、评估

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。

01 AI Agent 基础概念（面试八股文） ​

目录 ​

1. 什么是 AI Agent ​

概念解释 ​

原理详解 ​

面试问题（Q）与标准答案（A） ​

追问及应对 ​

代码示例：最小「思考—行动—观察」循环（Python 伪代码） ​

2. Agent vs LLM Chain vs ChatBot ​

概念解释 ​

原理详解（对比表） ​

面试问题（Q）与标准答案（A） ​

追问及应对 ​

3. Agent 的核心组成 ​

概念解释（各部分做什么） ​

原理详解 ​

面试问题（Q）与标准答案（A） ​

追问及应对 ​

代码示例：工具 Schema（OpenAI 风格示意） ​

4. Agent 的工作流程 ​

概念解释 ​

原理详解（逐步） ​

面试问题（Q）与标准答案（A） ​

追问及应对 ​

5. Agent 的分类 ​

概念解释（经典 AI 教材视角） ​

原理详解（与 LLM Agent 的映射） ​

面试问题（Q）与标准答案（A） ​

追问及应对 ​

6. Agent 的应用场景 ​

概念解释 ​

原理详解（场景与要点） ​

面试问题（Q）与标准答案（A） ​

追问及应对 ​

7. Agent 的挑战与局限 ​

概念解释 ​

原理详解 ​

面试问题（Q）与标准答案（A） ​

追问及应对 ​

8. 综合面试题库（15+ 题） ​

附：知识点速查表 ​

01 AI Agent 基础概念（面试八股文）

目录

1. 什么是 AI Agent

概念解释

原理详解

面试问题（Q）与标准答案（A）

追问及应对

代码示例：最小「思考—行动—观察」循环（Python 伪代码）

2. Agent vs LLM Chain vs ChatBot

概念解释

原理详解（对比表）

面试问题（Q）与标准答案（A）

追问及应对

3. Agent 的核心组成

概念解释（各部分做什么）

原理详解

面试问题（Q）与标准答案（A）

追问及应对

代码示例：工具 Schema（OpenAI 风格示意）

4. Agent 的工作流程

概念解释

原理详解（逐步）

面试问题（Q）与标准答案（A）

追问及应对

5. Agent 的分类

概念解释（经典 AI 教材视角）

原理详解（与 LLM Agent 的映射）

面试问题（Q）与标准答案（A）

追问及应对

6. Agent 的应用场景

概念解释

原理详解（场景与要点）

面试问题（Q）与标准答案（A）

追问及应对

7. Agent 的挑战与局限

概念解释

原理详解

面试问题（Q）与标准答案（A）

追问及应对

8. 综合面试题库（15+ 题）

附：知识点速查表