跳转至

AI Agent 面试题清单

Source: 本地文件 AI_Agent_面试题清单_120题.md Collected: 2026-09-20 Published: 2026-09-19

整理日期：2026-09-19

方向：Go / 后端转 AI Agent 应用开发。共 16 个模块、120 道题，不含答案。

★ 为优先准备题，共 40 道；其余用于第二轮查漏补缺。

本清单综合公开题库、官方工程资料与场景补充，经过筛选、合并和改写，不代表逐题核实过公司来源的面试真题。

模块索引

  1. 大模型与 API 基础（001–008）
  2. Agent 原理与执行范式（009–014）
  3. 任务拆分与规划（015–022）
  4. Prompt 与结构化输出（023–028）
  5. 工具调用与工具设计（029–038）
  6. 自纠、校验与循环控制（039–044）
  7. 上下文工程与记忆（045–054）
  8. RAG 与知识检索（055–064）
  9. MCP、Skills 与 A2A（065–070）
  10. 多 Agent 与框架选型（071–076）
  11. 任务状态、持久化与人工介入（077–084）
  12. 评测、可观测性与迭代（085–092）
  13. 性能、成本与服务稳定性（093–098）
  14. 权限、安全与隔离（099–104）
  15. Go 工程与编码题（105–110）
  16. 综合设计、故障排查与项目追问（111–120）

01｜大模型与 API 基础

参考范围：S1、S7；包含面向本模块的改写与补充题。

  • [x] 001 ★ Token、上下文窗口和最大输出 Token 分别是什么？一次 Agent 任务的 Token 消耗如何估算？
  • [x] 002 ★ system、user、assistant、tool 等消息分别承担什么作用？一次工具调用的消息应如何组织？
  • [x] 003 Temperature、Top P 分别影响什么？把 Temperature 设为 0，能否保证结果完全一致？
  • [x] 004 流式输出和非流式输出有什么区别？首 Token 延迟与完整任务耗时应该如何区分？
  • [x] 005 大模型为什么可能产生幻觉？知识缺失、信息过期和错误推断应如何分别处理？
  • [x] 006 选择 Agent 使用的模型时，如何评估指令遵循、工具调用、推理能力、成本和时延？
  • [x] 007 ★ Prompt 优化、RAG 和微调分别适合解决什么问题？如何判断应该先尝试哪一种？
  • [x] 008 接入多个模型供应商时，怎样处理消息格式、工具调用、结构化输出和错误码的差异？

02｜Agent 原理与执行范式

参考范围：S3；包含面向本模块的改写与补充题。

  • [x] 009 ★ 什么是 AI Agent？它与普通聊天机器人、单次模型调用、传统自动化程序有什么区别？
  • [x] 010 ★ Workflow 与自主 Agent 有什么区别？哪些任务不值得使用 Agent？
  • [x] 011 ★ 一个最小 Agent Loop 包含哪些环节？由谁执行工具、维护状态并决定是否继续循环？
  • [x] 012 ★ ReAct 与 Plan-and-Execute 有什么区别？各自适合什么任务？
  • [x] 013 CoT、ToT 与 ReAct 分别讨论什么问题？Agent 是否必须输出完整思维链才能工作？
  • [x] 014 如何把固定 Workflow 与动态 Agent Loop 结合起来？哪些决策由程序控制，哪些交给模型？

03｜任务拆分与规划

参考范围：S3、S12；包含面向本模块的改写与补充题。

  • [x] 015 ★ 拿到一个复杂需求时，你依据什么划分子任务？如何判断拆分粒度过粗或过细？
  • [x] 016 任务拆分应该由开发者预先定义，还是由模型运行时生成？如何确定两者的边界？
  • [x] 017 ★ 怎样定义子任务的输入、输出、依赖和完成条件，让计划能够真正执行？
  • [x] 018 如何识别子任务之间的数据依赖，决定哪些串行、哪些并行？
  • [x] 019 怎样判断模型给出的计划存在漏项、重复步骤或无法执行的步骤？
  • [x] 020 用户目标模糊、信息缺失或约束冲突时，Agent 应如何决定澄清、假设或停止？
  • [x] 021 ★ 执行中发现某一步不可行时，如何决定局部重试、替换步骤还是重新规划？
  • [x] 022 用户在任务中途修改目标时，怎样判断哪些已完成结果可以复用，哪些必须失效？

04｜Prompt 与结构化输出

参考范围：S5、S8；包含面向本模块的改写与补充题。

  • [x] 023 ★ 你会如何组织 Agent 的系统提示词？角色、目标、边界、工具说明和输出要求如何分工？
  • [x] 024 Zero-shot 与 Few-shot 如何选择？怎样挑选有代表性的示例，避免只对示例有效？
  • [x] 025 ★ 提示词要求输出 JSON、JSON Mode、基于 Schema 的结构化输出有什么区别？
  • [x] 026 模型输出满足 JSON Schema，是否就代表内容正确？还需要哪些业务校验？
  • [x] 027 模型拒绝回答、输出被截断或结构化内容不完整时，业务代码如何处理？
  • [x] 028 提示词越来越长、规则互相冲突时，怎样整理和验证，而不是不断追加补丁？

05｜工具调用与工具设计

参考范围：S4、S7；包含面向本模块的改写与补充题。

  • [x] 029 ★ 请描述一次完整的 Function Calling 流程：模型和业务程序分别负责哪些事情？
  • [x] 030 ★ 如何设计工具名称、描述和参数 Schema，使模型能够正确选择工具并构造参数？
  • [x] 031 工具很多或功能重叠时，怎样降低选错工具的概率，并控制工具定义占用的上下文？
  • [x] 032 ★ 哪些参数可以由模型填写，哪些必须由后端提供？怎样避免模型虚构 ID 或业务条件？
  • [x] 033 工具应该按底层 API 拆细，还是聚合成业务操作？如何判断合适的粒度？
  • [ ] 034 工具结果应该返回什么字段和格式？数据量很大时，怎样兼顾可用性与 Token 成本？
  • [ ] 035 模型一次返回多个工具调用时，如何确定执行顺序、并发关系和部分失败的处理方式？
  • [ ] 036 多个工具调用的请求和结果如何对应？工具结果回填错误会怎样影响后续执行？
  • [ ] 037 流式返回工具调用参数时，如何拼接与校验？什么时候才可以真正执行工具？
  • [ ] 038 工具返回“没有数据”“参数无效”“执行失败”时，怎样让模型理解这些结果的差异？

06｜自纠、校验与循环控制

参考范围：S2、S3；包含面向本模块的改写与补充题。

  • [ ] 039 ★ 同一个模型再检查一遍，为什么可能纠错，也可能重复原错？什么反馈能够提供新的纠错依据？
  • [ ] 040 程序校验、外部事实核验和模型自检各自适合发现什么错误？各自有什么盲区？
  • [ ] 041 对于没有唯一标准答案的文本，怎样发现事实错误、遗漏要求或前后矛盾，而不仅是检查格式？
  • [ ] 042 应该每一步都自检，还是只在关键节点或最终结果处检查？如何衡量收益与成本？
  • [ ] 043 ★ 如何检测 Agent 重复调用工具、重复生成相同计划，或者一直执行却没有进展？
  • [ ] 044 超时、限流、参数错误和权限拒绝分别应如何处理？重试、自纠和整个任务的停止条件如何配合？

07｜上下文工程与记忆

参考范围：S5；包含面向本模块的改写与补充题。

  • [ ] 045 ★ Context Engineering 与 Prompt Engineering 有什么区别？Agent 每轮需要管理哪些上下文？
  • [ ] 046 ★ 如何给系统提示、工具定义、历史消息、检索结果和模型输出分配上下文预算？
  • [ ] 047 上下文尚未超过窗口限制，回答质量也可能变差吗？如何判断哪些信息构成干扰？
  • [ ] 048 滑动窗口、历史摘要和按需加载分别适合什么情况？怎样发现摘要丢失了关键约束？
  • [ ] 049 裁剪历史消息时，如何保留工具调用与结果的完整关联，以及仍然有效的用户要求？
  • [ ] 050 ★ 短期记忆与长期记忆有什么区别？把所有聊天记录存进数据库，是否就具备了长期记忆能力？
  • [ ] 051 哪些内容值得写入长期记忆？如何确定写入时机，并避免把模型猜测保存为事实？
  • [ ] 052 新信息与旧记忆冲突时如何处理？记忆怎样更新、过期和删除？
  • [ ] 053 长期记忆采用关系数据库、全文检索、向量库或文件存储，各有什么取舍？
  • [ ] 054 任务级结构化状态与对话历史有什么区别？复杂任务中如何防止目标和进度逐渐丢失？

08｜RAG 与知识检索

参考范围：S1、S15；包含面向本模块的改写与补充题。

  • [ ] 055 ★ 请描述完整 RAG 链路，分别说明离线建库和在线检索生成需要做什么？
  • [ ] 056 ★ 什么情况下应该使用结构化查询、关键词检索或向量检索？如何判断是否需要引入 RAG？
  • [ ] 057 HTML、Markdown、PDF 等文档如何解析和清洗？表格、代码块、图片应该如何处理？
  • [ ] 058 如何选择切块方式、块大小和重叠范围？怎样保留章节关系与来源信息？
  • [ ] 059 如何选择 Embedding 模型和向量数据库？更换 Embedding 模型后如何处理已有索引？
  • [ ] 060 余弦相似度、内积和欧式距离如何选择？向量是否归一化会影响哪些判断？
  • [ ] 061 ★ 关键词检索、向量检索、混合检索和 Rerank 如何组合？怎样确定 Top K 与相关性阈值？
  • [ ] 062 用户问题不适合直接检索时，如何判断是否需要查询改写、问题拆分或多轮检索？
  • [ ] 063 知识库更新或删除文档后，怎样处理索引、缓存和引用？检索权限应该在哪一层校验？
  • [ ] 064 普通 RAG 与 Agentic RAG 有什么区别？让 Agent 自主决定检索次数和方式会带来什么取舍？

09｜MCP、Skills 与 A2A

参考范围：S9、S10、S11；包含面向本模块的改写与补充题。

  • [ ] 065 ★ MCP 解决了什么问题？它与 Function Calling、普通 HTTP API 是什么关系？
  • [ ] 066 ★ MCP 中的 Host、Client、Server 分别负责什么？一次工具发现与调用经过哪些环节？
  • [ ] 067 MCP 的 Tools、Resources、Prompts 有什么区别？各适合暴露什么能力？
  • [ ] 068 MCP 的 stdio 与 Streamable HTTP 如何选择？接入时怎样处理协议版本和能力兼容问题？
  • [ ] 069 Agent Skills 与普通提示词、工具、MCP 有什么区别？Skill 的发现和按需加载如何设计？
  • [ ] 070 A2A 与 MCP 分别解决什么协作问题？什么时候需要跨 Agent 通信协议，而不只是本地函数调用？

10｜多 Agent 与框架选型

参考范围：S12、S14；包含面向本模块的改写与补充题。

  • [ ] 071 ★ 什么情况下应该使用多 Agent，而不是一个 Agent 加多个工具？如何验证拆分确实有收益？
  • [ ] 072 主 Agent 调度子 Agent、把 Agent 当作工具、直接移交任务，这几种协作方式如何选择？
  • [ ] 073 子 Agent 应接收完整历史还是精简任务上下文？如何保证信息充分，又避免上下文互相干扰？
  • [ ] 074 多个 Agent 给出冲突结果或重复执行同一任务时，如何协调和合并结果？
  • [ ] 075 如何防止 Agent 之间循环委派、等待彼此或无限扩张任务？全局预算由谁管理？
  • [ ] 076 ★ 手写 Agent Loop 与采用 Eino、LangGraph 等框架如何取舍？你实际需要框架提供哪些能力？

11｜任务状态、持久化与人工介入

参考范围：S13、S14；包含面向本模块的改写与补充题。

  • [ ] 077 ★ 如何定义 Session、Run、Step 及其状态？会话状态与一次任务的执行状态如何区分？
  • [ ] 078 长时间运行的 Agent 任务应该如何提供接口？同步请求、异步任务与结果通知如何取舍？
  • [ ] 079 ★ Checkpoint 应保存哪些内容、在什么时候保存？服务重启后怎样恢复任务而不重复已完成步骤？
  • [ ] 080 同一个会话同时收到两条用户消息时，怎样保证状态一致，避免互相覆盖？
  • [ ] 081 ★ 写操作已经执行但响应丢失时，怎样确认执行结果并避免重复执行？幂等键应该如何设计？
  • [ ] 082 哪些操作需要人工确认？确认界面应展示什么，怎样防止批准后执行的内容发生变化？
  • [ ] 083 人工修改了计划或工具参数后，任务如何恢复？哪些下游结果需要重新计算？
  • [ ] 084 用户取消任务或多步操作执行一半失败时，怎样停止后续执行，并处理已经产生的副作用？

12｜评测、可观测性与迭代

参考范围：S6；包含面向本模块的改写与补充题。

  • [ ] 085 ★ 如何定义一个 Agent 的任务成功？为什么不能只看它最终声称自己完成了什么？
  • [ ] 086 如何构建包含正常、边界和失败场景的评测集？没有唯一标准答案的任务如何制定验收标准？
  • [ ] 087 ★ 最终结果评测与执行轨迹评测有什么区别？是否应该要求工具调用顺序与标准答案完全一致？
  • [ ] 088 程序评分、模型评分和人工评分分别适合什么任务？RAG 的检索与生成又应如何分别评测？
  • [ ] 089 ★ LLM-as-a-Judge 会有哪些偏差？如何校准评分标准并检查评审模型自身的可靠性？
  • [ ] 090 同一任务多次运行结果不同，应该如何评测稳定性？怎样区分真实提升与随机波动？
  • [ ] 091 一条 Agent Trace 应记录哪些信息，才能定位模型、工具、检索、状态或编排中的问题？
  • [ ] 092 修改提示词、工具或模型后，如何做回归验证、灰度发布和线上反馈分析？

13｜性能、成本与服务稳定性

参考范围：S2、S4；包含面向本模块的改写与补充题。

  • [ ] 093 ★ 一个 Agent 请求耗时很长时，如何拆分模型推理、工具调用、排队和编排的耗时并定位瓶颈？
  • [ ] 094 如何统计单次任务的完整 Token 成本？输入、输出、重复上下文和多轮调用分别如何计算？
  • [ ] 095 ★ 模型供应商限制请求数或 Token 吞吐时，如何设计并发限制、排队、重试与背压？
  • [ ] 096 如何做模型路由与故障降级？切换到更便宜或不同供应商的模型时，要验证哪些能力差异？
  • [ ] 097 Prompt 缓存、模型结果缓存和工具结果缓存有什么区别？怎样处理过期、权限与用户隔离？
  • [ ] 098 如何为不同任务和用户设置时间、Token、费用及工具调用预算，避免单个任务耗尽资源？

14｜权限、安全与隔离

参考范围：S2、S9；包含面向本模块的改写与补充题。

  • [ ] 099 ★ 什么是 Prompt Injection？用户输入、网页和工具结果中的恶意指令分别可能怎样影响 Agent？
  • [ ] 100 ★ 为什么不能仅靠提示词限制越权？用户身份、租户 ID 和资源权限应该由谁提供和校验？
  • [ ] 101 读操作、写操作和高风险操作应如何分级授权？怎样限制 Agent 可发现和可调用的工具范围？
  • [ ] 102 Agent 能执行代码、访问文件或网络时，如何设计沙箱、资源限制和凭据隔离？
  • [ ] 103 多租户 Agent 的记忆、检索、缓存与日志如何隔离？如何避免跨用户数据泄露？
  • [ ] 104 引入第三方 MCP Server 或 Skill 时，需要审查哪些代码、权限和更新风险？

15｜Go 工程与编码题

参考范围：S14；包含面向本模块的改写与补充题。

  • [ ] 105 ★ 请用 Go 或伪代码实现最小 Agent Loop，覆盖模型调用、工具分发、结果回填和退出条件？
  • [ ] 106 ★ 如何用 context.Context 把取消和超时传递到模型请求、工具调用、流式读取及子 goroutine？
  • [ ] 107 如何实现有并发上限的工具执行器，并处理部分失败、结果汇总与 goroutine 泄漏？
  • [ ] 108 如何在 Go 中实现 Agent 的 SSE 输出？客户端断开、读取变慢或上游流中断时分别怎么处理？
  • [ ] 109 如何设计 Model、Tool 和 StateStore 等接口，使业务逻辑不绑定单一模型供应商或框架？
  • [ ] 110 如何为 Agent 编写可重复的单元测试和集成测试？怎样模拟非法输出、超时、重复调用和恢复执行？

16｜综合设计、故障排查与项目追问

参考范围：S6；包含面向本模块的改写与补充题。

  • [ ] 111 ★ 设计一个根据学生薄弱点、可用时间和考试目标生成学习计划的 Agent，如何划分流程、工具和验收条件？
  • [ ] 112 设计一个辅助教师生成题面、题解和参考代码的 Agent，如何安排校验、草稿保存、人工确认与发布边界？
  • [ ] 113 设计一个 Wiki 整理 Agent，面对重复文档、过时内容和相互矛盾的信息，如何生成可审核的修改方案？
  • [ ] 114 上线后任务 P95 耗时突然升高，但单次模型请求耗时基本不变，你会如何建立排查路径？
  • [ ] 115 检索日志显示已找到正确资料，但最终回答仍然错误，你会怎样逐层定位原因？
  • [ ] 116 Agent 不断换参数查询同一个工具，表面没有完全重复但任务始终不推进，你会怎样诊断和处理？
  • [ ] 117 单用户测试正常，并发后偶尔出现串话、错误工具结果或重复写入，你会如何定位？
  • [ ] 118 一次提示词修改修复了部分案例，却让另一批任务退化，你会如何判断原因并决定回滚还是继续调整？
  • [ ] 119 Coding Agent 生成的代码通过了现有测试，是否就可以认定任务完成？还需要如何验证需求与安全边界？
  • [ ] 120 选一个你实际做过的 Agent，说明你独立负责的部分、最难的问题、关键取舍，以及证明效果的证据？

参考资料

资料用于选题与工程主题校准，不作为各题唯一参考答案。