Agent面试题

1 什么是 AI Agent和普通大模型应用的区别最直白定义AI Agent 能自主思考、自主规划、自主执行、自主纠错的“AI 智能体”它不是一问一答而是有目标、有记忆、有步骤、会复盘。普通大模型应用你平时用的一问一答没有记忆不会规划步骤不会主动调用工具不会反思错误 被动问答机器人AI Agent面试高分版有目标Goal有记忆Memory/状态管理会自主规划Planning会调用工具Tool Use会反思/纠错Reflection会多步骤闭环完成任务 自主闭环智能体一句话区别普通大模型你问啥它答啥。AI Agent你给个目标它自己干完一整件事。2 LangChain 和 LangGraph 核心区别Agent 状态管理怎么做最直白一句话LangChain 做流程LangGraph 做状态、做循环、做多跳Agent。LangChain链式调用线性流程适合简单任务不擅长循环、不擅长状态持久化LangGraph2025–2026 最火Agent框架基于图State Graph状态管理State Management支持循环、回跳、反思、多智能体协作适合复杂推理、多步骤规划、工具调用闭环Agent 状态管理怎么实现面试标准答案State 状态存储记忆、工具结果、历史对话、中间结果Node 节点每个节点做一件事思考/查资料/调工具/反思Edge 边控制跳转下一步干什么Memory 记忆短期记忆 长期记忆Loop 循环直到完成目标才退出3 如何解决 Agent 幻觉、工具调用错误、规划混乱① 幻觉最常见加事实校验Reflection加RAG 检索必须基于检索内容回答加约束提示词“不知道就说不知道不许编”加自我复盘回答完自己检查一遍② 工具调用错误工具描述必须极精简、极准确入参校验、出参格式强约束加工具选择器ToolSelector加失败重试机制加结果校验结果不对就重跑③ 规划混乱用LangGraph 状态规划分步骤目标 → 拆解 → 执行 → 校验 → 复盘加反思节点Reflection复杂任务用多Agent分工4 如何将 Agent 与 Java 后端对接流式响应怎么实现① Java 对接 Agent最标准方案Agent 用 Python/LangGraph 做暴露 HTTP / gRPC 接口Java 后端调用接口传入用户问题 历史 状态返回最终结果 过程日志架构Java 后端 → Agent 服务 → LLM → 工具/ RAG → 返回 Java② 流式响应SSE / Server-Sent-EventsJava 实现最标准方案SSE 流式输出前端建立 SSE 连接Java 转发给 AgentAgent 每一步思考实时返回前端逐字展示关键词SSE、流式输出、逐Token返回、状态同步5 RAG 在 Agent 中的作用如何优化检索效果① RAG 在 Agent 中的作用最直白RAG Agent 的“外部知识库”解决幻觉知识过时专业领域不精准无企业私有数据一句话Agent 负责思考与执行RAG 负责给它“正确资料”。② 如何优化检索效果面试高分 8 条分段更细100–300字最佳加元数据Metadata混合检索关键词 向量 标题匹配重排序Reranker检索后过滤低相似度直接丢掉多轮检索优化向量模型微调构建私有知识图谱如果你要我还能给你直接背的「面试标准答案版」以及「AI Agent Java 后端」架构图口述版还有「你这套项目在面试中怎么说最加分」你要我现在给你整理吗当前文件内容过长豆包只阅读了前 7%。