Agent面试最容易被问挂的3个问题

我最近把AI Agent面经从0到1全部梳了一遍（含字节、阿里、腾讯真实面试），发现面试官真正想听的根本不是定义。
很多人（包括苯人一开始）以为Agent面试就是背ReAct、背Tool Calling、背LangChain，结果一开口就被面试官打断：“这些我都知道，你说说你的设计思路。”我问懵过两次后才醒悟，Agent面试不是八股，是体系考察。
下面这3个问题，几乎是每场面经中必问，🐮友们看看自己会不会踩坑。
1.如果你做一个Agent，遇到工具调用失败或者LLM幻觉怎么办？
我当时直接答“加retry”或“加human in the loop”，秒挂后面问claude，面试官想听的是完整容错体系：
- 怎么判断是工具错还是LLM幻觉？
- 用另一个LLM做fact-check / self-consistency
- 降级到弱Agent / 规则引擎 / 人工兜底
- 失败后状态怎么回滚？
- 生产环境怎么监控Agent健康度

2. Agent的Memory你怎么设计？
大多数人（和我一样会说短期用ConversationBuffer，长期用向量数据库，直接寄。
面试官想听的是分层记忆体系 + 读写策略：
- Working Memory（当前任务上下文）
- Episodic Memory（历史任务轨迹）
- Semantic Memory（领域知识）
- 什么时候用向量检索？什么时候用Graph？
- 遗忘机制怎么做？（重要性评分 + 定期压缩）
- 多Agent共享Memory时的读写锁和一致性问题

3.单Agent和Multi-Agent你什么时候选哪个？怎么协作？”
如果直接说任务复杂就用Multi基本凉。
真正要讲的是决策框架：
- 任务可分解性、通信成本、调试难度、单点故障风险
- 协作模式（Hierarchical / Decentralized / Mixture-of-Agents）
- 协调机制（Shared State / Message Queue / Supervisor）
- 实际项目里Multi-Agent带来的收益和踩过的坑