Agent Notes

Agent · 技术问答 ​

用法：先口述 60–90 秒，再对照要点。加分句选 1 句。课件里的投顾 / OpenManus / 浏览器案例标成示例，不要背成自己的上线经历。

机制细节看 Agent 笔记。平台选型看 平台与业务笔记 / 问答。

必会 ​

重点 什么是 LLM Agent？和单轮调用、Function Calling 有什么区别？ ​

答题要点

  • Agent ≈ LLM + 工具 + 记忆 + 规划循环：运行中自己决定调什么、读什么、何时结束。
  • 单轮调用：一份 prompt 进、一段文本出，一次结束。
  • Function Calling 是「模型能吐结构化工具调用」；Agent 是上层循环——要不要调、调完还要不要继续、何时停。

加分句：没有循环和停止条件，只是包了一层 SDK，还不是 Agent。

重点 MCP 和 Function Calling 有什么区别？已经有了 MCP 还要 FC 吗？ ​

答题要点

  • Function Calling：各家模型私有插头，换模型往往要改工具描述和解析。
  • MCP：通用插槽。Server 写一次，多种 Client 都能连；List Tools 热插，不必改 Agent 本体。
  • 模型侧往往还是 FC / tool call，连上的可以是 MCP Server。不是二选一。
  • 简单、原子任务直接 FC 更省事：少一层协议，延迟更低。

加分句：项目里文档检索走 MCP，和网页共用一套检索；鉴权在服务端，不靠课件里的桌面 TXT 例子。

重点 编写一个 Agent 框架要解决哪些核心问题？ ​

口述：四件事。少一块就只是脚本套模型。

  1. LLM 适配层 — 统一聊天、流式、tool calling。换模型不能改业务。
  2. 工具注册与调度 — 名字、说明、参数 schema、执行；超时、重试、权限。
  3. Context 管理 — 系统提示、历史、工具返回怎么进窗口，爆了要裁。
  4. 控制流编排 — ReAct：想 → 调工具 → 观察 → 再想。要分支、重试、人审，链不够就上图。

口条：大脑可换、双手可插、记忆可裁、中枢能停。

重点 LLM 是如何看见工具的？ ​

口述：模型看不见函数体，只看见 JSON Schema（名字、干什么、参数）。框架把函数编成 schema 塞进 tools；模型回 tool call，运行时再执行。

说明写糊了就会乱填参数；执行失败是框架的事，模型只负责点名 + 填表。

重点 Agent 死循环怎么办？ ​

答题要点

  • 检测：连续多次 Action 语义极像且没有新 Observation → 强制打断。
  • 系统提示：换策略或问用户；必须有全局步数上限。
  • ReAct 会死循环：反复同一工具、不给 Final Answer。

为什么需要 Context 管理？记忆怎么分层？ ​

口述：LLM 无状态，窗口又贵。短的管窗口，长的管检索。

  1. 短期 — session_id 隔开多用户；滑动窗口只留最近 N 轮。
  2. 长期 — RAG：按相关性捞，不是按时间倒全部历史。
  3. 关键槽位用结构化状态，不要只靠散文摘要。

控制流：Chain、Loop、DAG 怎么选？ ​

  1. Chain — 步数写死，线性 RAG / 格式化。
  2. Loop — ReAct，下一步由模型选，要步数上限。
  3. DAG — 接力依赖写死、无环；要重试/人审再上带环的图（LangGraph）。

口条：流水线走链，试错走环，接力走 DAG。

进阶 ​

重点 如何平衡响应速度和思考深度？ ​

  • 双层：简单查询直接调 API；复杂再 Planner 拆任务。
  • 前面加路由：意图简单就短路。
  • 能 Workflow 写死的别上自主循环。

重点 为什么代码执行要沙箱？ ​

  • 模型生成的代码可能删盘、死循环，不能在宿主机裸跑。
  • 隔离容器只回传 stdout/stderr；超时或内存超限销毁。
  • 没落地就说「原则 + 自己项目还没有代码执行」，不要虚构。

什么时候单 Agent，什么时候多 Agent？ ​

  • 单：工具少、步骤短、上下文单一。
  • 多：窗口太长会忘需求、角色指令冲突（规划 / 写码 / 测试拆开）。
  • 先拆上下文和职责，再拆进程。

Agent 如何自我修复？工具原子性怎么把控？ ​

  • 报错 + 旧代码回灌，要求分析并重写；max_retries（如 3），超限抛给用户。
  • 一事一工具，参数尽量少；不要一个万能 analyze_data。

如何降低 Token、Agent 很慢怎么查？ ​

  • 模型分级：路由用小模型，推理用强模型。
  • 压缩 System Prompt，少塞重复上下文。
  • 慢先看 Trace：是 LLM 吐字慢还是工具（网络 / DB）慢；给工具 timeout，能并行就并行。

你的 Agent 设计哲学是什么？ ​

  • 能写代码解决的，少靠纯 CoT。
  • 流程确定就用 Workflow / 图。
  • 转账、发邮件等关键步必须 Human-in-the-loop。

Dify 怎么把 OA / CRM 接到 Agent？MCP 的价值？ ​

  • Workflow 里 HTTP 节点调 REST；自定义工具用 OpenAPI Schema。
  • MCP：企业系统做成 Server，按同一协议发现和调用，避免每个 Bot 一套适配。

了解 ​

Agent 怎么处理数值计算？ ​

LLM 当指挥官，算术交给 Python。理解意图 → 写代码 → 执行 → 解释。数用引擎算，模型只写结论。

介绍你最复杂的 Agent？ ​

没做过浏览器就别编。可以讲 ThingJS 文档 RAG：MCP + 混合检索 + 权限 + 索引门禁。复杂要讲失败模式和降级。

浏览器 Agent：动态加载怎么等？DOM 不准怎么结合 VLM？ ​

  • 不要只靠 sleep；Playwright 用 wait_for_selector / networkidle。
  • DOM 会撒谎时：截图给 VLM 要坐标再点。没写过就当概念题，项目回到 RAG/MCP。

思考很久，前端怎么做体验？ ​

SSE 流式；调工具时气泡「正在检索…」，减少卡死感。

Agent 怎么评测？ ​

别只说准不准。Agent 必看计划遵循度；还要测过程（不该走 Planner 却走了 = Fail）。重要门禁仍要黄金集和人工抽检。

速记口条 ​

  1. MCP 是通用插槽，FC 是各家私有插头。
  2. 简单短路，复杂再规划。
  3. 大脑可换、双手可插、记忆可裁、中枢能停。
  4. 模型指挥，代码计算；生成代码进沙箱。
  5. 用户输入是数据不是新系统提示。
  6. 工具要小；相似动作死循环要打断。
  7. 有环、要暂停用图；线性用 Chain。
  8. 慢先看 Trace 是模型还是工具。