程序员面试专题库

Agent 从聊天演示走向生产后，长任务必须具备队列、状态机、租约、取消、恢复和结果持久化能力。

Agent 接上工具后，风险从回答质量扩展到真实副作用。参数、权限、幂等、审计和人工确认必须进入后端设计。

长任务 Agent 要像工作流系统一样管理状态，不能把执行进度只放在一次模型上下文里。

大模型安全不是提示词里写几句禁止，而是后端要设计输入、输出、权限、确认和审计的完整边界。

Agent 的能力不只在能拆任务，而在计划能被约束、执行能被审计、反思不能无限循环。

结构化输出不是让模型“按 JSON 返回”这么简单，后端必须承担解析、校验、重试、降级和审计。

Agent 记忆的核心不是保存更多聊天记录，而是管理当前任务状态、长期偏好、权限边界和可删除能力。

AI 后端不能只关注回答质量，模型调用的超时、失败、成本和降级策略同样决定项目是否能上线。

Agent 项目真正难的是让模型动作可控、可审计、可恢复，而不是把几个函数接给模型。

AI 后端不是把模型接口接通就结束，面试官更关心上下文、工具调用、失败处理、成本延迟和可观测性。

大模型应用面试不是炫模型名，而是讲清你如何把不稳定的模型输出变成可用的业务系统。