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 Runtime 是 Agent 执行的核心引擎，负责管理 Agent 的运行生命周期。

核心组件：

┌─────────────────────────────────────────┐
│              Agent Runtime              │
│                                         │
│  ┌──────────┐    ┌──────────────────┐   │
│  │  Planner │    │  Memory Manager  │   │
│  │（规划模块）│    │  （记忆管理）     │   │
│  └──────────┘    └──────────────────┘   │
│                                         │
│  ┌──────────┐    ┌──────────────────┐   │
│  │ Executor │    │   Tool Registry  │   │
│  │（执行模块）│    │   （工具注册）    │   │
│  └──────────┘    └──────────────────┘   │
│                                         │
│  ┌──────────────────────────────────┐   │
│  │         Observability            │   │
│  │    （日志 / Trace / Metrics）     │   │
│  └──────────────────────────────────┘   │
└─────────────────────────────────────────┘

Agent 自主循环（ReAct Loop）：

while not done:
  1. Observation：获取当前状态（对话历史 + 工具结果）
  2. Thought：LLM 推理下一步（Chain-of-Thought）
  3. Action：选择并调用工具，或生成最终答案
  4. if 调用工具:
       执行工具，将结果追加到 Context
       continue  → 下一次循环
     else:
       返回最终答案，结束循环

关键设计点：

• 最大迭代次数：防止无限循环，设置 max_steps（如 15 步）
• 超时控制：每次 LLM 调用和工具调用设置超时
• 状态快照：每步保存状态，支持断点恢复
• 并发控制：Multi-Agent 场景下的工具调用并发限流

追问与易错

追问方向：

• 这个概念在你的项目中是怎么应用的？
• 和相关技术/方案相比有什么优劣？
• 如果出了问题你会怎么排查？

易错点：

• ❌ 只知道概念不知道原理——面试官会追问底层实现
• ❌ 缺乏实际使用经验——结合项目场景回答更有说服力

💡 记忆锚点

Agent像一个有工具箱的实习生，靠ReAct循环干活：观察当前情况（Observation）→ 想想该怎么做（Thought/CoT）→ 挑个工具动手干（Action/Tool Call）→ 看看结果（Observation）→ 不满意再来一轮，直到搞定。关键防护：设max_steps防无限循环，每步存快照支持断点恢复，工具调用要超时和限流。