面试题 · Prompt
从系统设计角度出发，你认为智能Agent应具备哪些底层基础能力（如感知、规划、记忆、工具调用等）？请列举并解释每一项能力的作用及其在复杂任务执行中的重要性。
智能Agent的底层能力可拆解为五个核心模块，形成感知→规划→执行→记忆→反思的闭环：
学习内容与项目面试，在同一条路上。
协同示例：订机票场景
感知提取"北京→上海，明天" → 规划拆解查航班/比价/下单 → 记忆调取用户偏好（东航金卡）→ 工具调用航旅API → 反思确认出票成功，否则回退重试
场景切入
假设我们做一个智能客服Agent，用户问“帮我查一下上个月订单”，然后又说“我要退款”，中间可能隔了很多轮。你觉得Agent需要哪些底层能力才能顺畅地处理这种复杂请求？
层层追问
你觉得一个Agent要完成复杂任务，核心需要哪些能力？……比如感知、规划这些，能具体说说吗？……那这些能力之间怎么协作？举个例子？
直球架构
从系统设计角度，请列举智能Agent应该具备的底层基础能力，并解释每个能力的作用和重要性。比如感知、规划、记忆、工具调用这些，你怎么设计它们的协同？
这道题其实是在问，如果我们想让一个系统自主完成复杂任务，它需要具备哪些底层能力，以及这些能力怎么协同工作。我的理解是，可以拆成五个模块，形成一个从感知到反思的闭环。
先说感知，它是决策的天花板。如果感知错了，后面全错。比如用户说“给我退钱”，但没说哪个订单，系统就得主动追问或从上下文推断。规划呢，更像导航仪，把目标拆成子任务。但环境会变，所以规划必须支持动态重规划。比如用户中途改主意，系统要能回溯调整。这里我倾向用 [[ReAct]] 范式，把推理和行动交织起来，而不是先规划再执行。
再一个就是记忆。记忆分三层：工作记忆就是当前窗口，短期记忆存会话上下文，长期记忆存用户画像和历史偏好。比如用户是金卡会员，那系统在推荐航班时就要优先考虑东航。但长期记忆不能无限制存，得靠[[向量库]]加过期策略。如果记忆太杂，反而会干扰决策。
工具调用是让系统突破模型本身知识边界的关键。通过 [[Function Calling]] 调用外部API，比如查航班、比价、下单。这里有个坑，工具描述必须标准化，不然模型可能选错工具。而且调用失败要有重试机制，不能直接报错。
执行和反思形成闭环。执行后观察结果，评估进度，失败了要反思。比如系统查完价格发现超预算，就得反思是不是规划错了，然后回退修改条件。
举个例子，订单退款场景。用户说“我买错了，要退款”，系统先感知意图和订单号，然后调记忆看用户历史退款情况，再规划子任务：查订单状态、检查退款规则、执行退款。如果退款失败，比如订单已发货，系统就得反思，然后规划替代方案，比如转退货流程。
落地时有个前提：工具调用的错误处理必须健壮，否则系统容易卡死。我上线会特别关注重试次数和超时设置，避免死循环。如果感知不充分，比如用户没说订单号，系统得主动追问，而不是瞎猜。
所以我的取舍是，记忆和规划是核心。记忆决定了系统有没有“记性”，规划决定了它能不能灵活应对变化。但两者有冲突，规划越深，记忆消耗越大。实际中我会根据任务复杂度做权衡，简单任务用轻量规划，复杂任务用分层规划加长短期记忆。
另外，如果任务涉及多轮交互，比如用户中途改需求，那系统的记忆管理就特别关键。怎么在保持上下文的同时避免信息过载，这是个值得深挖的点。