除了套壳，你的Agent到底有没有“脑子”？
最近参加了几场大厂的Agent专项面试，我最大的感触是：面试官已经不满足于听你聊怎么写Prompt了，他们更在乎你如何处理“大模型的不可控性”以及多步骤任务中的“工程闭环”。
被问到最多的两个底层逻辑
- 容错与自纠错机制：面试官一定会问：“如果Agent调用的工具返回了报错，或者结果不符合预期，你的系统会崩掉吗？”优秀的回答不应该是“重新提问”，而是你如何设计反馈循环。比如，你是否在架构中加入了一个“评价者”角色，专门审视执行结果？或者是否建立了类似于代码调试的Retry逻辑，让Agent能根据错误日志自我修正。
- 记忆存储的“度”：“你是如何处理长对话记忆的？”如果你只说全部塞进上下文，那面试官大概率会追问成本和Token限制。现在的进阶考点是“语义压缩”与“分层记忆”。你需要解释如何通过向量数据库检索相关历史，或者如何将之前的执行步骤抽象成短摘要，既保留关键信息，又不让Agent“晕头转向”。
关于Agent架构的深度博弈
面试中被反复盘问的架构问题通常集中在：单体Agent vs. 多智能体协作（Multi-Agent）。
- 单体架构：考查点在于“反思能力”。面试官想看你如何让一个模型既当“大脑”又当“手脚”，在没有外部干预下完成复杂逻辑闭环。
- 多体架构：考查点在于“通信开销”。当你有三四个智能体分工时，它们之间怎么打招呼？如何避免它们在对话中陷入死循环？你有没有设计一个类似“黑板模式”或“总线架构”的中控台来统一调度？
