AI Agent 全栈工程师

主题

第 23 周 · Day 1：AI Agent 八股第一弹 · 核心概念 20 题 ​

对应手册任务：学习「Agent 八股：ReAct / RAG / MCP / A2A / 评估 / Agent 安全 + 框架横向对比」，动手「刷 20 道核心概念题，每道写 3 句话答案」，产出「八股笔记 v1」。本篇只解决一个问题：冲刺周把二十几周散落的概念收拢成一张能背、能默、经得起追问的清单，每题给 3 句参考答案加 1 句深挖点，口径按面试标准收窄。

今日目标 ​

  1. 20 题全部过一遍，每题不看答案能说出 3 句主干
  2. 每题的深挖点至少接得住一层追问，接不住的标红进错题本
  3. 晚上留 30 分钟，把 20 题默写成自己的「八股笔记 v1」

使用方法（怎么刷） ​

三遍法。 第一遍通读，看题目读答案，求理解不求背诵。第二遍遮答，遮住参考答案对着题目口头说 3 句，说得出就过，说不出就标记。第三遍只看深挖点，把它当成面试官的追问，自问自答。三遍总耗时 2 小时上下。

3 句是上限不是目标。 每题答案压进 3 句，多一句都说明主干没拎清。面试的节奏本来就是先给结论、再给机制、最后补一句工程取舍，照这个结构背，答出来自然像老手。

错题进笔记。 今天的产出是「八股笔记 v1」：20 题每题自己写 3 句话，写不出的抄参考答案并标红，明天 day2 刷题前先重背标红题，冲刺周内错题滚动三轮。

第一组：Agent 循环与工具调用（第 1~3 题） ​

第 1 题：ReAct 是什么？循环什么时候终止？ ​

参考答案：ReAct 让模型在同一个循环里交替输出 Thought（先想）和 Action（再做），每步执行结果作为 Observation 拼回上下文，形成「推理 → 行动 → 观察」的轨迹。一轮完整循环是：模型生成下一步 → 运行时执行工具调用 → 把观察结果追加进上下文 → 模型基于全部历史再生成。终止条件两个：模型这次输出里不再包含工具调用，直接给出最终答案；或者步数、Token 预算耗尽被运行时强制截断，兜底防死循环。

深挖点：被追问「死循环怎么办」，答案是最大迭代次数、重复动作检测、预算控制都放在运行时层做，不指望模型自觉。

第 2 题：Function Calling 的完整调用链是什么？流式下 tool_calls 分片怎么拼？ ​

参考答案：链路五步：工具 schema 随请求发给模型 → 模型返回带 tool_calls 的 assistant 消息（只是声明想调，并不执行）→ 应用解析参数并本地真正执行 → 结果以 role: "tool"（带 tool_call_id）追加回消息列表 → 再次请求模型，直到它不再发起调用。流式下每个 tool_call 的 arguments 是 JSON 字符串的增量片段，必须按 index 累积拼接，等 finish_reason 为 tool_calls 之后再整体解析。边流边 parse 会撞上半个 JSON，这是流式 Agent 最常见的翻车点。

深挖点：两个加分细节：arguments 是字符串不是对象；多个 tool_call 并行时，结果要按 tool_call_id 一一对应回填。

第 3 题：结构化输出有哪三种路线？可靠性怎么排？ ​

参考答案：三种路线：纯 prompt 约定格式加手动解析、JSON Mode（保证是合法 JSON，不保证符合 schema）、原生 Structured Outputs（约束解码，按 schema 逐 token 采样，语法层面不可能跑偏）。可靠性排序：约束解码 > JSON Mode > 纯 prompt，前提是模型真的实现了约束解码，而不是提示词口头承诺。生产纪律是不管走哪条路，出口处都放一道 schema 校验（zod 或 Pydantic），校验失败带着错误信息重试。

深挖点：约束解码的原理是把不符合 schema 的 token 概率置零，格式合法是采样层面保证的，不是模型「努力遵守」。

第二组：LangGraph 图模型（第 4~6 题） ​

第 4 题：LangGraph 的 State / Node / Edge 各是什么？Annotated reducer 为什么需要？ ​

参考答案：State 是所有节点共享读写的类型化字典，Node 是接收 state 返回更新的函数，Edge 决定执行走向，三者把 Agent 循环从看不见的 while 变成一张显式的图。reducer 解决并发写冲突：Annotated[list, add_messages] 声明这个字段的写入策略是追加合并，而不是整体覆盖。没有它，两个并行分支里后写的会静默覆盖先写的，消息丢了都不报错，这是图并发下省掉 reducer 的经典事故。

深挖点：一句话记牢：State 管数据，Node 管计算，Edge 管控制流，reducer 管并发写规则。

第 5 题：checkpointer 和 thread_id 分别干什么？ ​

参考答案：checkpointer 在每个 superstep 结束后把整份 state 快照落盘（内存、SQLite、Postgres、Redis 都有现成实现），是持久化、故障恢复、时间旅行调试的共同地基。thread_id 是线程隔离键：同一个 thread_id 接着上次的快照继续，不同 thread_id 各自独立、互不可见。LangGraph 的多轮对话记忆默认就靠这套机制，不需要自己拼历史消息数组。

深挖点：追问会打在「这算长时记忆吗」：checkpointer 是会话内短时记忆，跨会话要靠 store（跨线程键值存储）或外挂数据库。

第 6 题：interrupt() 的执行语义是什么？ ​

参考答案：interrupt() 抛出特殊异常中断执行，state 回滚到上一个 checkpoint，当前节点事务作废，等人类输入后用 Command(resume=...) 从头重放该节点。重放意味着节点函数会再执行一遍，interrupt 之前已经发出的外部调用不会消失，所以副作用要么写成幂等，要么挪到 interrupt 之后。这个「回滚加重放」的语义，是 LangGraph 做 Human-in-the-loop 审批的官方姿势。

深挖点：答出「回滚 + 重放」两个词基本就过，再补一句副作用幂等就是满分口径。

第三组：RAG 与检索（第 7~11 题） ​

第 7 题：RAG 的完整流程是什么？ ​

参考答案：离线链路：文档解析 → 切块 → embedding 向量化 → 写入向量库建索引。在线链路：query 改写 → 检索（向量或混合）→ 重排序 → 拼装上下文 → LLM 生成，讲究的再加引用溯源和评估回流。RAG 的本质是拿检索换上下文窗口，解决私有知识和时效问题，成本远低于微调，知识更新只需重灌库。

深挖点：追问常落在 query 改写：多轮指代消解、HyDE、拆子查询，这块最容易被忽略，也最影响命中率。

第 8 题：切块策略有哪些？overlap 为什么需要？ ​

参考答案：从粗到细：固定长度切、递归字符切（优先按段落和句子断开，如 RecursiveCharacterTextSplitter）、按文档结构切（Markdown 标题、代码 AST）、语义切（相邻句向量相似度骤降处断开）。overlap 让相邻块保留 10%~20% 重叠，防止关键句恰好压在边界上被拦腰截断。常见规格 512~1024 token、overlap 50~200，选择原则是有结构优先按结构切，切出来的块要能脱离原文独立被理解，最终以自己语料的评估结果为准。

深挖点：能报出「块头注入元数据」加分：给每块拼上文档标题路径，块的可读性和命中率一起上一个台阶。

第 9 题：Hybrid 检索是什么？RRF 怎么融合？ ​

参考答案：Hybrid 是向量检索（管语义）加 BM25 关键词检索（管精确术语、型号、编号），两路召回互补，任何单路都会漏。RRF（Reciprocal Rank Fusion）只看排名不碰分数，每篇文档的融合得分是各路 1/(k+rank) 之和，k 常取 60。用排名不用原始分数，是因为余弦相似度和 BM25 分数量纲不可比，直接加权融合得按数据集调权，RRF 免调参效果还稳。

深挖点：反问「为什么不分数加权融合」时，答「分数不可比、调权成本高」即可，能顺手写出公式更好。

第 10 题：重排序的两阶段架构是什么？ ​

参考答案：第一阶段召回：向量库粗筛 top 100~1000，快且便宜，牺牲精度保 Recall。第二阶段精排：cross-encoder 对每对 query-doc 逐条深度打分，取 top 5~10，准但贵，管 Precision。cross-encoder 之所以准，是 query 和 doc 拼在一起过模型做全层级交互，而双塔各自编码，只在最后碰一次余弦。

深挖点：常用 reranker 要能点名：Cohere Rerank、bge-reranker 系列，或者自己部署 cross-encoder。

第 11 题：引用溯源怎么实现？ ​

参考答案：主流是 chunk 级引用：检索时每个块带 ID 和元数据（来源、标题、页码），生成时要求模型在断言后标 [1][2]，渲染时把编号映射回原文块供点开核对。更严的路线是先生成后溯源（post-hoc attribution）：对答案逐句去库里找支持证据，找不到的标为无依据或直接拒答。生产底线是每个事实断言都能点回原文，因为让模型自己标引用会有幻觉引用，标了但原文里根本没有。

深挖点：两条路线的取舍一句话：模型自标便宜但会幻觉引用，事后校验兜得住但成本翻倍。

第四组：评估（第 12~14 题） ​

第 12 题：Agent 评估分哪三层？golden set 是什么？ ​

参考答案：三层：结果评估看最终答案对不对（端到端），轨迹评估看中间步骤对不对（工具选没选对、参数对不对、有没有绕路），组件评估看局部指标（检索命中率、单工具可用性）。golden set 是人工标注的标准问答对集合，可含标准轨迹，是一切评估的地基，没有它，LLM-as-judge 和回归测试都无从谈起。实践口径：50~100 条起步，覆盖典型场景加已知失败案例，随版本迭代持续补。

深挖点：一句话定位：结果评估告诉你挂没挂，轨迹评估告诉你挂在第几步。

第 13 题：LLM-as-judge 有哪些偏差？怎么校准？ ​

参考答案：常见四种：位置偏差（偏爱和呈现顺序有关）、长度偏差（偏爱长答案）、自我偏好（偏爱同家族模型的输出）、打分过宽或挤在高分段。校准手段：pairwise 评测交换位置跑两次、rubric 具体化（给维度和锚点样例，别给空泛的 1~10 分）、与少量人工标注对齐算一致性、定期人工抽检。关键认知：judge 适合大规模粗筛和相对比较，不承担最终仲裁。

深挖点：加分句：judge 模型选和被评模型不同的家族，能压掉一部分自我偏好。

第 14 题：promptfoo 和 DeepEval 定位差在哪？ ​

参考答案：promptfoo 是声明式评测流水线：YAML 配 prompt 和用例，矩阵式对比多模型多提示词版本，出通过率报告，接 CI 顺手。DeepEval 是 Pytest 风格的测试框架：faithfulness、answer relevancy 这类 RAG 指标开箱即用，断言直接写进单测跑。一句话分工：promptfoo 管对比实验和持续评测，DeepEval 管细粒度指标和测试化，两边不冲突，经常配合用。

深挖点：追问和 LangSmith 的关系：LangSmith 偏线上追踪和数据闭环，定位是观测平台，不是评测框架。

第五组：协议与多 Agent（第 15~18 题） ​

第 15 题：MCP 的三个原语是什么？N+M 价值怎么算？ ​

参考答案：三个服务端原语：tools（模型可调用的函数）、resources（可读取的数据和文件）、prompts（预置提示模板），客户端侧另有 sampling 等能力协商。N+M 指：没有协议时 N 个应用接 M 个工具要写 N×M 份胶水代码，有了标准协议，应用和工具各自实现一次即可互连，N×M 塌缩成 N+M。MCP 是 Anthropic 2024 年 11 月发布的开放协议，走 JSON-RPC 2.0，传输支持 stdio 和 Streamable HTTP，已是行业事实标准。

深挖点：类比记忆：MCP 之于模型工具，约等于 USB-C 之于外设，这个类比面试官都爱听。

第 16 题：什么时候用 MCP，什么时候直接写工具？ ​

参考答案：直接写 function calling 胜在链路短、延迟低、行为完全可控，适合单一应用私有的固定工具组合。MCP 胜在复用和解耦：一次实现处处挂载、生态可插拔、跨应用共享，适合工具要跨团队跨产品复用，或者想直接吃现成的社区生态。经验法则：一两个应用专用就手写，要复用、要分发给别的客户端就上 MCP，别为了协议而协议。

深挖点：追问成本：MCP 多一层进程或网络加 schema 协商，延迟敏感的链路先压测再上。

第 17 题：A2A 和 MCP 是什么关系？ ​

参考答案：A2A（Agent2Agent）是 Google 2025 年发起、后捐给 Linux Foundation 的协议，解决 Agent 之间互相发现和协作，核心概念是 Agent Card（能力自描述）和 Task（任务生命周期）。MCP 解决 Agent 与工具、数据的连接，A2A 解决 Agent 与 Agent 的对话，两者分层互补，不是竞争关系。一张图记住：Agent 往下用 MCP 接工具，横向用 A2A 找同伴，一个 Agent 可以同时挂多个 MCP server，再通过 A2A 与其他 Agent 协作。

深挖点：一句话记忆：MCP 给 Agent 装手，A2A 让 Agent 找同事。

第 18 题：什么时候才真的需要多 Agent？ ​

参考答案：判据三条：单一 prompt 装不下职责（工具太多导致指令冲突）、任务天然可并行拆分、需要不同角色互相校验。代价同样真实：上下文割裂（互相看不到完整状态）、Token 成本成倍涨、调试链路指数变长。经验是把单 Agent 加好的工具和 prompt 推到极限，撑不住再拆，并且按上下文边界拆，不按组织架构拆。

深挖点：追问编排模式时，supervisor（主管分派）、hierarchical（多层树）、handoff（接力）各举一个场景。

第六组：记忆与缓存（第 19~20 题） ​

第 19 题：记忆分哪四类？三层存储怎么摆？ ​

参考答案：四分类：工作记忆（当前上下文窗口）、情景记忆（过往交互的具体经历）、语义记忆（沉淀出的事实和偏好）、程序记忆（固化的技能和流程，落成工具或 SOP）。三层存储：上下文内（窗口里即用即弃）、向量库或图数据库（跨会话按相关度检索）、结构化表（Profile 和状态字段，精确读写）。工程要点是流转：对话结束后异步抽取归档，把情景提炼成语义，下次按相关度召回加 Profile 双路注入。

深挖点：最难也最常被追问的是遗忘和冲突：旧记忆何时失效、新偏好怎么覆盖旧事实，这是运维问题，不是算法问题。

第 20 题：语义缓存的阈值怎么权衡？ ​

参考答案：语义缓存拿新 query 和历史 query 算 embedding 余弦相似度，超过阈值就复用缓存答案，省一次 LLM 调用。阈值是核心权衡：调低命中率高，但相近不等于同义，容易答非所问；调高安全，但命中率塌掉，缓存形同虚设，常见从 0.95 起步按 badcase 调。上线铁律：只缓存确定性高的事实检索类答案，个性化、时效敏感的一律不缓存，并且配失效机制。

深挖点：经典反例要能秒答：「2024 年营收」和「2025 年营收」embedding 很近，答案完全不同。

附：框架对比速答（2026 格局） ​

面试常考一句话定位，按这个口径答：

  • LangGraph：生产默认项。显式图模型加 checkpointer、interrupt，控制力和周边生态最全，代价是学习曲线陡，复杂 Agent 落地的事实标准。
  • OpenAI Agents SDK：极简轻量。agents、handoffs、guardrails、tracing 开箱即用，深度绑 OpenAI 生态，快速起步和原型首选。
  • CrewAI：角色化多 Agent 协作框架，上手最快，适合演示和内部工具，复杂控制流会碰到天花板。
  • MS Agent Framework：微软 2025 年把 AutoGen 并入、与 Semantic Kernel 合流后的统一方案，占住 .NET 和 Azure 生态位，微软技术栈企业的选择。

一句总结：默认 LangGraph，微软栈用 MS Agent Framework，快速验证用 OpenAI Agents SDK 或 CrewAI。AutoGen 这个名字到 2026 已不再单独演进，面试还答它，只会显得信息是旧的。

自测方式 ​

刷完不等于记住，按这个流程验收：

  1. 遮答默写：把 20 道题目抄到白纸上，逐题默写 3 句主干，写不出的进错题本
  2. 深挖追问：自己扮演面试官，只念深挖点那句话，看能不能接住，接不住回正文重读
  3. 笔记产出：晚上 30 分钟整理「八股笔记 v1」，每题自己写 3 句话，参考答案只用来纠偏
  4. 错题滚动：标红题明天 day2 刷题前先重背，冲刺周内错题至少滚动三轮

延伸阅读 ​

系列起点在第 1 周 Day 1。那时候还在为 ApiResponse<T> 纠结，现在张口就是 checkpointer 和 interrupt，这二十几周没白走，冲刺周也该有这个底气。