面试知识库
极高 困难

Agent设计模式#

一句话答案#

Agent 基于 ReAct 循环（感知→思考→行动→观察），通过 Tool Calling 扩展 LLM 能力，实现复杂任务自动化。

核心要点

Agent 设计模式是一组”让 LLM 自主完成任务”的编排范式，从轻到重构成一条谱系，按任务复杂度选型即可。

ReAct（Reasoning + Acting）： 推理与行动交替，Thought→Action→Observation 循环往复，直到产出答案。最常用的基础模式，每步动态决策、灵活，但多轮串行、token 消耗高。

Plan-and-Execute（先规划后执行）： 先让 LLM 一次性规划出完整步骤清单，再逐步执行（执行阶段可不再调用大模型推理）。适合可预先分解的复杂任务，减少 LLM 调用、目标更稳定；缺点是计划僵化，环境变化时需重规划。

Reflection / Self-Refine（反思自纠）： 生成结果后让模型自我批判、再据反馈修正，可叠加多轮。显著提质量（尤其代码/写作），代价是成本和延迟翻倍。

Tool Use / Function Calling（工具调用）： 不是独立”流程模式”，而是上述所有模式的执行底座——模型通过结构化调用外部工具/API 来真正”做事”，ReAct 的 Action、Plan 的每一步都落在它上面。

多 Agent 协作（Multi-Agent）： 把任务拆给多个专职 Agent，典型如 Supervisor-Worker（一个编排、多个执行）。分而治之应对超复杂任务，但通信、状态一致性、成本都更高。

选型直觉： 简单任务 ReAct 够用；步骤可预知、要省调用用 Plan-and-Execute；要质量再叠 Reflection；只有任务超复杂、单 Agent 撑不住才上多 Agent。

这些模式落地时由 Agent Runtime（Planner / Executor / Tool Registry / Observability）承载，运行时的迭代上限、超时、状态快照等工程细节见《Agent Runtime与Checkpoint机制》。

面试回答（2分钟版）

Agent的核心是基于ReAct循环让LLM具备自主决策和工具调用能力。整个循环分四步：Observation获取当前状态包括对话历史和上次工具返回结果，Thought让LLM用Chain-of-Thought推理下一步该做什么，Action选择调用某个工具或直接生成最终答案，如果调用了工具就把结果追加到上下文继续下一轮循环。Agent Runtime是执行引擎，包含几个关键模块：Planner负责任务规划和拆解，Executor负责执行动作，Tool Registry管理可用工具的注册和发现，Memory Manager管理短期对话记忆和长期知识记忆。生产化要考虑几个关键设计点：设置max_steps比如15步防止无限循环烧token，每次LLM调用和工具调用都要设超时，每步保存状态快照支持断点恢复，Multi-Agent场景下工具调用要做并发限流。工具定义要遵循MCP协议标准化工具描述，让不同Agent框架能复用同一套工具。目前主流框架LangChain和LangGraph都实现了这套模式。

追问与易错

追问方向：

  • ReAct 和 Plan-and-Execute 什么时候用哪个？ → ReAct 适合工具调用密集、每步需要动态决策的场景；Plan-and-Execute 适合可以预先拆解的复杂任务，先规划完整步骤再逐步执行
  • Agent 死循环怎么防？max_steps 设多少合适？ → 三重防护：max_steps 上限（通常 5-15）+ 检测连续相同工具调用 + token 预算硬控。步数根据任务复杂度调，简单 QA 设 5，多步推理设 10-15
  • 你们项目的 Agent 架构是什么？为什么选这个架构？ → DocMind 用 Supervisor-Worker，因为单 Agent 膨胀到 1400 行无法维护，重构后 Supervisor 只编排（586 行），Worker 独立可测（80-120 行/个）
  • Agent 的状态快照和断点恢复怎么实现？ → 每步将 Thought/Action/Observation 序列化存储（Redis 或 DB），异常时从最后成功的步骤恢复，避免从头重跑

易错点：

  • ❌ 只讲 ReAct 概念不知道循环终止条件 → 必须设 max_steps（通常 5-15）+ 相同工具调用检测 + token 预算上限
  • ❌ 忽略超时控制 → 每次 LLM 调用和工具调用都要设独立超时，防止单步阻塞整个流程
  • ❌ 不区分 Agent 和 Chain → Agent 有自主决策循环，Chain 是固定流程，不能混用

项目实践（DocMind）： 最初单 Agent 架构（DocMindAgent.java 膨胀到 1400 行），耦合了路由、检索、生成逻辑。Phase 2 重构为 Supervisor-Worker 模式：SupervisorAgent（586 行）只负责编排，RetrievalWorker / WebWorker / MemoryWorker / AnalysisWorker 各 80-120 行独立可测。新增 Worker 只需实现接口 + 在 PlanExecutor.resolveWorker() 注册，零侵入核心代码。