面试题 · Prompt
搜索「检索增强」匹配到口述回答，相关段落已展开。查看匹配内容 ↓
请阐述大模型智能体（Agent）的基本工作原理，并详细介绍其核心组件（如规划模块、工具调用模块、记忆模块等）的功能和协作方式。
Agent = 大模型 + 规划能力 + 工具使用 + 记忆机制，形成"感知→规划→行动→记忆"的闭环。
学习内容与项目面试，在同一条路上。
| 类型 | 存储内容 | 实现方式 |
|---|---|---|
| 短期记忆 | 当前对话上下文 | 直接放入prompt |
| 长期记忆 | 历史会话、用户画像、领域知识 | 向量数据库（RAG检索） |
| 工作记忆 | 当前任务的中间结果 | 变量/缓存存储 |
用户问："深圳明天天气怎么样？适合穿什么？"
[思考] 需要查询天气 → [行动] 调用天气API(深圳, 明天)
→ [观察] 结果：25°C，多云有雨
→ [思考] 有雨需要带伞，温度适中可穿薄外套
→ [最终回答] ...关键设计：每轮只执行一步，根据观察结果动态调整后续计划，而非一次性生成完整方案。
场景切入
假设我们做一个智能客服Agent，用户问‘帮我查一下上个月的订单’，他可能还需要对比几家供应商。你作为Agent，怎么规划步骤、调用什么工具、中间结果怎么记？整个过程是怎么串起来的？
层层追问
你先说说Agent是怎么工作的？……它怎么决定下一步做什么？……如果要查询外部数据，模型怎么调用API？……中间结果和之前的对话信息怎么保存和利用？
直球架构
请阐述大模型Agent的基本工作原理，重点讲规划模块、工具调用模块和记忆模块分别干什么，以及它们之间如何协作完成一个复杂任务。
我觉得这道题本质上问的是，怎么让一个大模型从只会聊天对话，变成一个能真正动手解决问题的[[智能体]]。核心就是给模型加上规划、工具和记忆这三个能力，形成一个感知、规划、行动、记忆的闭环。
我先说规划模块。它的任务是把一个复杂目标拆成可执行的小步骤。常见的有几种做法：[[Chain-of-Thought]] 就是让模型一步步推理，适合那种路径比较明确、不需要太多探索的任务，比如算个简单的数学题。[[ReAct]] 更灵活一些，它让模型推理和行动交替进行，想一步做一步，做完看结果再想下一步。而 [[Tree-of-Thoughts]] 就更强了，它同时探索多条路径，像下棋时评估不同走法，适合需要全局搜索的复杂问题。但落地的时候，我一般不会只用一种。比如做一个客服退款 Agent，简单场景用 CoT 就够了，但一旦遇到商品状态异常、需要查物流和库存价格，我就会上 ReAct，让模型动态决定先查哪个系统。ToT 成本太高，通常只在策略类场景才用。
再一个是工具调用模块。这个说白了就是模型通过 [[Function Calling]] 输出一个结构化的 JSON，告诉系统要调什么函数、传什么参数，系统执行完再把结果喂回去。这里有个常见的坑：模型可能会幻构出根本不存在的函数名或参数，尤其是参数类型或范围容易错。所以上线前一定要做参数校验和 schema 约束，不能完全信任模型的输出。另外，工具返回的结果格式不稳定，模型可能会误解，所以我会在 prompt 里明确告诉它每个字段的含义。
记忆模块我分两种。短期记忆就是当前对话的上下文，直接塞进 prompt 就行。长期记忆就复杂一点，需要把历史对话、用户画像、领域知识存到 [[Vector Database]] 里，通过 [[RAG]] 检索出来。这里有个取舍：短期记忆受限于上下文窗口，太长会稀释注意力；长期记忆依赖检索质量，如果检索不准，反而会引入噪声。所以我会把关键信息放在短期记忆里，辅助信息走长期记忆。
举个例子，用户问“深圳明天天气怎么样，适合穿什么”。Agent 先思考，然后调用天气 API，拿到结果 25 度、多云有雨。接着它根据这个观察再思考，有雨要带伞，温度适中穿薄外套。最后回答。整个过程就是 ReAct 循环。
这里我多说一句，其实很多复杂任务需要多个 Agent 协同，比如一个负责规划，一个负责工具调用，一个负责记忆管理。但多 Agent 的通信和一致性成本很高，不是所有场景都划算。
所以我的整体看法是，Agent 不是一个固定的架构，而是一套组合能力。我更倾向于根据业务场景灵活搭配，把规划、工具、记忆看成可插拔的模块，而不是一个黑盒。上线前我会特别关注工具调用的错误处理、长期记忆的检索质量，以及 ReAct 循环会不会死循环。这些点踩住了，Agent 才能真正稳定落地。