关键词：Agent、Multi-Agent、Coze、千帆、架构模式、路由分发、双重安全
一、Agent 是什么？（必问）
一句话回答
Agent 是一种智能实体，能够自主感知环境、做出规划、执行行动，最终达成目标。
核心决策流程
P（感知 Perception）→ P（规划 Planning）→ A（行动 Action）
工程四大模块
| 模块 | 说明 |
|---|---|
| 推理 | 基于当前状态做出判断 |
| 记忆 | 短期记忆（对话上下文）+ 长期记忆（向量数据库） 长期记忆可以用mysql➕rag实现 |
| 工具 | 调用外部 API、搜索引擎、代码解释器等 |
| 行动 | 执行具体动作，如回复、调用函数 |
CoT（思维链）
通过 "一步一步推理" 的方式，让大模型把中间思考过程写出来，从而提升复杂问题的准确率。
示例：问"小明有5个苹果，给了小红2个，又买了3个，现在有几个？" → 模型输出"5-2=3，3+3=6，答案是6"
ToT（思维树）
在思维链的基础上，让模型同时探索多条不同的推理路径，并在分支之间进行评估和回溯，选择最优解。
示例：解一道数学题时，同时尝试多种解法，发现某条路走不通就退回换另一条
ReAct（反思模式）
让模型 "思考 + 行动"交替进行，通过调用外部工具（如搜索、计算器）获取信息，同时根据反馈反思调整下一步行动。
示例：问"今天北京天气怎么样？" → 模型思考"需要查天气" → 行动调用API → 拿到结果后反思是否符合需求，再组织回答
一句话对比
| 方法 | 核心 | 适用场景 |
|---|---|---|
| CoT | 一步一步推理 | 数学题、逻辑推理 |
| ToT | 多条路径探索 | 复杂规划、创意生成 |
| ReAct | 思考+行动+反思 | 需要调用外部工具的任务 |
二、Agent vs RAG vs 微调（对比）
| 维度 | Agent | RAG | 微调 |
|---|---|---|---|
| 核心能力 | 规划 + 行动 | 检索 + 生成 | 参数更新 |
| 是否调用工具 | ✅ | ❌ | ❌ |
| 多步推理 | ✅ | 有限 | ❌ |
| 实时性 | ✅ | ✅ | ❌ |
| 算力消耗 | 中 | 低 | 高 |
面试回答要点：
-
Agent 适合复杂任务，需要多步推理和工具调用
-
RAG 适合知识密集型问答
-
微调适合领域风格/行为适配
三、国内主流 Agent 平台对比（面试加分）
| 平台 | 出品方 | 特点 |
|---|---|---|
| Coze | 字节跳动 | 最成熟，生态最完善，免费使用云雀/moonshot |
| 百度千帆 AgentBuilder | 百度 | 基于文心大模型，零代码/低代码两种模式 |
| 阿里魔搭 Agent | 阿里 | 开源LLM定制，支持多模态 |
| 讯飞星火友伴 | 讯飞 | 专注虚拟人格GPTs |
| 智谱清言 Agent | 智谱 | 支持API调用，覆盖C端功能 |
| SkyAgents | 昆仑万维 | 自然语言输入 + 可视化拖拽 |
| Betteryeah | 斑头雁（阿里钉钉初创） | 聚焦企业级AI客服/营销/销售 |
平台选择速记
-
新手快速上手：Coze
-
百度生态：千帆 AgentBuilder
-
开源模型爱好者：阿里魔搭
-
企业级应用：Betteryeah
四、Single Agent vs Multi-Agent
Single Agent
Agent = LLM + 观察 + 思考 + 行动 + 记忆
Multi-Agent
Multi-Agent = 智能体 + 环境 + SOP + 评审 + 通信 + 成本
Multi-Agent 优缺点
| 优点 | 缺点 |
|---|---|
| 多视角分析问题 | 成本和耗时增加 |
| 复杂问题拆解 | 交互复杂，定制开发成本高 |
| 可操控性强 | 简单问题 Single Agent 也能解决 |
| 开闭原则（易扩展） | |
| 可能更快的并发解决 |
面试加分回答
Multi-Agent 是在当前 LLM 能力有限背景下的产物，用于弥补单一大模型的能力缺陷。随着 LLM 能力提升，未来的 Agent 框架会朝着更简单、易用的方向发展。
五、主流 Multi-Agent 框架
| 框架 | 特点 |
|---|---|
| MetaGPT | 生态最完善，模拟软件公司角色分工 |
| AutoGen | 微软出品，支持多智能体对话与协作 |
| CrewAI | 轻量级，角色编排简单 |
| LangChain | Agent 模块成熟，生态丰富 |
| LlamaIndex | 侧重 RAG + Agent 结合 |
框架设计关键点
-
环境 & 通讯：Agent 间消息传递、共同记忆、执行顺序
-
SOP：定义标准作业流程，编排自定义 Agent
-
评审：输入输出结果解析，保证健壮性
-
成本：Agent 间资源分配
-
Proxy：可编程代理，支持大小模型混合
六、Agent 应用场景
| 场景 | 说明 |
|---|---|
| 游戏 | NPC 对话、游戏素材生产 |
| 内容生产 | 文章写作、视频脚本 |
| 私域助理 | 个人助手、日程管理 |
| OS 级别智能体 | 操作系统级 AI 助手 |
| 工作提效 | 自动化流程、数据整理 |
七、应用架构模式（六种）
1. 路由分发架构
用户 Query → 路由模块 → 可识别 → 小模型（快/便宜）
→ 不可识别 → 大模型（强/贵）
适用：成本与体验平衡
2. 大模型代理架构
复杂 Query → 大模型（分解任务）→ 多个专家小模型并行 → 整合答案
适用：需要多领域专业知识的问题
3. 基于缓存的微调架构
Query → 缓存 → 命中 → 直接返回
→ 未命中 → LLM → 存缓存 → 积累数据后微调
适用：高频查询场景，成本优化
4. 面向目标的 Agent 架构
Plan → Action → Observation → 合格 → 返回
→ 不合格 → Replan
适用：需要多步规划和迭代的任务（最常用）
5. Agent 智能体组合架构
模块化 AI 系统，根据需求动态激活不同功能模块
（如：预测模块 + 预约模块 + 消息生成模块 + 数据库更新模块）
适用：需要灵活组合功能的企业场景
6. 双重安全架构
用户 Query → 用户 Proxy（脱敏/审计）→ 防火墙 → LLM
关键组件：
-
用户 Proxy：清除 PII/知识产权信息、记录查询、成本优化
-
防火墙：保护 LLM 基础设施
八、常见面试题 & 参考答案
Q1：Agent 和 RAG 的区别？
参考答案：
-
RAG 是"检索 + 生成"，解决知识问题
-
Agent 是"规划 + 行动"，解决任务执行问题
-
两者可以结合：Agent 用 RAG 获取知识，再用工具执行动作
Q2：Multi-Agent 框架的核心难点？
参考答案：
-
通信机制：Agent 间消息传递和同步
-
成本控制：多个 Agent 并发调用增加延迟和费用
-
健壮性：单个 Agent 出错如何影响全局
-
评测体系：如何评估 Multi-Agent 的效果
Q3：Coze 和豆包有什么区别？
参考答案：
-
Coze：完整智能体开发平台，支持复杂编排、插件、知识库
-
豆包：轻量 prompt 驱动 + TTS 语音，适合移动端快速应用
Q4：Agent 的"记忆"怎么实现？
参考答案：
-
短期记忆：对话上下文（滑动窗口）
-
长期记忆：向量数据库存储历史交互，检索相关记忆注入 Prompt
Q5：路由分发架构解决什么问题？
参考答案：
-
成本问题：简单问题走小模型，便宜
-
延迟问题：小模型响应更快
-
体验问题：复杂问题走大模型，保证回答质量
Q6：面向目标的 Agent 架构中，Replan 什么时候触发？
参考答案：
-
执行结果不符合预期
-
执行过程中出现错误
-
观测（Observation）判断为不达标
九、面试速记卡
| 概念 | 一句话解释 |
|---|---|
| Agent | 感知→规划→行动的智能实体 |
| Multi-Agent | 多个 Agent 协作解决问题 |
| Coze | 字节出品，国内最成熟的 Agent 平台 |
| 路由分发 | 简单问小模型，复杂问大模型 |
| 双重安全 | Proxy 脱敏 + 防火墙防护 |
| Replan | 执行失败后重新规划 |
| SOP | 标准作业流程，Agent 协作的规范 |
| 面向目标架构 | Plan → Action → Observe → Replan 循环 |
十、一张图总结 Agent 决策流程
python
"""
用户输入
↓
┌──────────────┴──────────────┐
↓ ↓
感知 Percept 短期/长期记忆
↓ ↓
└──────────────┬──────────────┘
↓
规划 Planning
↓
┌──────────────┴──────────────┐
↓ ↓
思考 Thought 工具 Tool
↓ ↓
└──────────────┬──────────────┘
↓
行动 Action
↓
┌──────────────┴──────────────┐
↓ ↓
观察 Observe 结果 Return
↓ ↓
需要重新规划? ← 不合格 → 返回答案
↓
合格 → 结束
"""🎯 一句话总结
Agent = 感知 + 规划 + 行动。复杂任务上 Multi-Agent，简单任务 Single Agent 足够。国内平台首选 Coze，架构模式记住面向目标 + 路由分发 + 双重安全。 🚀