智能体面试准备（三十六）：体系总结与高频八股串讲——把 24 篇串成一张面试地图

本篇是 B 系列第 36 篇，也是整个智能体系列的收口篇（B11–B35 已覆盖评估、ReAct、记忆、MCP、多智能体、安全、HTN 规划、Function Calling、RAG 评估、可观测性、长时任务、高并发编排、灰度回滚、GUI、多模态、成本、人机协作、编程、框架、生产化、评测深化、安全对抗、自我改进、编排引擎、行业落地）。前面每篇都是一个"点"，本文把这些点连成"面"：先给一张能力地图，再按主题把最高频的八股题串成可直接背的答案，最后讲 A×B 的协同视角与 30 天备战建议。大模型方向（A 系列）的串讲亦同理，二者合璧，便是 27 届 Agent/LLM 面试的完整答案。

一、智能体能力地图：九个能力域

把 B11–B35 的内容按能力域归拢，面试前在脑里画这张图，被问到任何主题都能定位：

            智能体能力地图 (B 系列)
   ┌─────────┬─────────┬─────────┬─────────┐
   │ 感知/交互│ 规划/决策│ 工具/执行│ 记忆/知识│
   │ GUI(B24)│ HTN(B17)│ MCP(B14)│ 记忆(B13)│
   │ 多模态(B25)│ReAct(B12)│ FuncCall(B18)│ RAG(B19/A32)│
   ├─────────┼─────────┼─────────┼─────────┤
   │ 协作/组织│ 安全/合规│ 评测/质量│ 可观测/成本│
   │ 多智能体(B15)│安全(B16/B32)│评测(B19/B31)│可观测(B20)│
   │ 编排(B34)│ 人机(B27)│ 编程(B28)│ 成本(B26)│
   ├─────────┴─────────┼─────────┴─────────┤
   │ 生产化闭环：灰度(B23)·自改进(B33)·行业落地(B35) │
   └──────────────────────────────────────────┘

记忆口诀："感规工记、协作安评、观成产落"。任何面试题都能落到一个或多个域：问"Agent 怎么记住历史"→记忆域；"怎么防注入"→安全域；"怎么知道它干得好不好"→评测域。定位准，回答就有结构。

二、高频八股串讲：十大主题的必背答案

下面按主题给出"一句话核心 + 易踩坑点"，可直接当弹药。

┌────────────┬───────────────────────────┬──────────────────────┐
│ 主题        │ 必背核心                   │ 高频追问/坑           │
├────────────┼───────────────────────────┼──────────────────────┤
│ ReAct(B12)  │ 推理+行动交替，Thought/Act/│ 易死循环，需最大步数  │
│            │ Obs 循环                    │ 与 Plan-and-Act 区别  │
│ MCP(B14)    │ 统一工具协议，client/server│ 与 FunctionCall 边界  │
│            │ + 标准化资源                │ 鉴权/传输怎么管       │
│ 记忆(B13)   │ 短期上下文+长期向量库+反思  │ 上下文溢出怎么压缩    │
│ 规划(B17)   │ HTN 自顶向下分解可复用方法  │ 与 LLM 动态规划互补   │
│ 多智能体(B15)│ 角色分工+通信+一致性       │ 仅在可并行拆分时上    │
│ 安全(B16/32)│ 注入防御+最小权限+沙箱      │ 间接注入/沙箱逃逸     │
│ 评测(B19/31)│ 轨迹/工具正确性+LLM-Judge  │ 部分分/离在线一致     │
│ 可观测(B20) │ Trace+成本归因+回归门禁     │ 必须能复盘一次决策    │
│ 成本(B26)   │ 大小模型路由+缓存+预算护栏  │ 路由判据不止置信度    │
│ 编排(B34)   │ 状态机/DAG/事件+补偿+灰度   │ 与 B30 生产化承接     │
└────────────┴───────────────────────────┴──────────────────────┘

逐一展开：ReAct 是 Thought→Action→Observation 循环，坑在易陷入重复动作，必须设最大步数、加反思退出；MCP 把工具调用从私有格式统一成 client/server 协议，解决工具生态碎片化，它与 Function Calling 正交（前者标准化接入、后者表达调工具）；记忆是短期上下文+长期向量库+反思，坑在上下文溢出要压缩；HTN 把目标层层分解成可复用方法，适合流程稳定任务；多智能体用角色分工突破天花板，但有通信开销，仅在可并行拆分时上；安全要防直接和间接注入、沙箱逃逸，红队持续军备；评测看轨迹与工具正确性+部分分；可观测必须能复盘一次决策；成本靠大小模型路由+缓存+护栏；编排用状态机/DAG/事件+补偿+灰度。

三、A × B 协同视角：Agent 不是孤岛

智能体强不强，一半在 B 系列的能力编排，一半在 A 系列的底盘：RAG（A32）是 Agent 的记忆与知识底座；推理优化（A25/A30/A36）支撑 Agent 并发与成本上限；对齐与推理时扩展（A22）提升 Agent 决策质量；微调（A16）适合烧固有能力、Agent 适合管动态流程。一句话：A 系列给 Agent 提供"更聪明的模型 + 更省的运行"，B 系列给模型提供"更可控的用武之地"。面试能讲清这层关系，就是立体认知。

四、大模型（A 系列）串讲地图：和 B 系列对望

把 A 系列也归一张图，和 B 地图对望：预训练/后训练(A16) — 数据工程(A23) — 分布式训练(A17)；对齐/推理时扩展(A22) — 评测(A20) — 量化(A19)/LoRA(A18)；长上下文(A13) — 位置编码(A24) — 高效注意力(A29)；推理优化(A30) — 服务化(A25) — KV优化(A36) — 端侧(A34)；RAG(A32) — 多模态(A14/A31) — 解码策略(A33) — 蒸馏(A27/A35)。读图关键在"衔接点"：A32 的 RAG 是 B13 记忆的底座；A30/A36 的推理优化撑起 B26 的成本；A22 的推理时扩展改善 B12/B17 的决策；A27/A35 的蒸馏让 B26 的小模型路由有料可用。面试被问"你对大模型了解多少"，按这张图讲"我懂预训练到部署的全链路，并且知道每一环怎么服务于 Agent"即可。

五、模拟面试：三道高频题的标准答法示范

把答题框架（定位→原理→权衡→踩坑→案例）落到具体题。题 1（防注入）：定位安全域；原理是把不可信内容与系统指令严格隔离；权衡是隔离越严体验越生硬；踩坑是只防直接注入漏了间接注入，要加沙箱+最小权限+输出回查；案例是 B32 的"检索页藏指令试图泄露密钥"。题 2（多智能体何时不该用）：定位协作域；原理是分工突破天花板但有通信开销；权衡是任务能并行才上；踩坑是为炫技上编排导致调试地狱；案例是 B15 的"简单客服上多 Agent 反而更差"。题 3（成本怎么控）：定位成本域；原理是大小模型路由+缓存+护栏；权衡是路由判据太松误伤质量、太紧省不下钱；案例是 B26 靠路由降一个数量级。

六、30 天冲刺周计划与答题框架

每周动作：第一周打地基，每天精读一个能力域，合上资料能画地图；第二周攻深度，选三个目标岗位相关域深挖，备"原理+源码细节+踩坑"；第三周练项目，整理 1–2 个真实项目的 STAR 故事；第四周串八股+模拟面试，每天一道综合题严格用"定位→原理→权衡→踩坑→案例"五步答。通用答题框架：遇到陌生题先归到能力地图某个域，再讲核心原理，接着讲工程权衡，然后补真实踩坑，最后给落地例子——比死记硬背更抗追问，因为面试官追的永远是"你真做过没有"。

七、八股再串：五个必会的 A×B 交叉题

一，RAG 和 Agent 关系：RAG 是知识/记忆底座，Agent 是围绕它的决策执行层。二，推理优化怎么服务 Agent：A30/A36 的 PagedAttention、KV 量化、连续批处理决定 Agent 高并发成本与延迟上限。三，对齐（A22）对 Agent 价值：GRPO/推理时扩展让模型想得更久更准，改善规划与工具选择。四，微调还是上 Agent：A16 把稳定能力烧进权重，Agent 把动态流程留运行时。五，安全两层落地：模型层 A28 安全对齐降概率，系统层 B16/B32 护栏兜底，缺一不可。

八、项目故事模板与结尾心态

用 STAR（Situation/Task/Action/Result）讲清一个项目，例如："某客服日请求千万（S），原大模型成本高延迟大（T）；我用 RAG+ReAct 搭单 Agent，加护栏与 HITL，再上大小模型路由（A）；结果简单请求成本降二十倍、P99 降到百毫秒（R）。" 一个 STAR 故事能同时展示架构、工程、成本、安全四维认知。结尾心态：准备面试最容易陷入"知识点越看越多越慌"的陷阱，破解办法就是本文做的事——把点连成网、把网压成卡、把卡变成故事。B 系列贯穿始终的一句话：智能体能不能上生产，不取决于它多会聊，而取决于它在一切都会出错的现实里是否依然稳、可控、可查、可回。把这句话内化成工程直觉，再配上所有招式，你就是面试官想找的"有实战视角、能扛生产"的候选人。

九、高频十题快答卡与收尾

十道最可能被点名的题与一句话答案：①Agent 核心组件？感知规划工具记忆协作安全评测可观测成本编排。②ReAct？想-做-看循环。③MCP 作用？工具标准化接入。④记忆怎么设计？短期上下文+长期向量+反思。⑤多 Agent 何时用？任务可并行拆分时。⑥怎么防注入？内容隔离+最小权限+沙箱+审批。⑦评测看什么？轨迹与工具正确性+部分分。⑧成本怎么控？大小模型路由+缓存+护栏。⑨编排选什么？状态机/DAG/事件+补偿+灰度。⑩A 和 B 关系？RAG 是记忆底座、推理优化撑成本、对齐提决策。十句话覆盖 B 系列主干，配合地图与故事足以应对绝大多数开场题，剩下用深度和踩坑拿区分度。知识是网不是点——这是从"背八股"到"有体系"的质变。

十、A 系列串讲地图与五个交叉题

把 A 系列也归一张图，和 B 地图对望：预训练/后训练(A16) — 数据工程(A23) — 分布式训练(A17)；对齐/推理时扩展(A22) — 评测(A20) — 量化(A19)/LoRA(A18)；长上下文(A13) — 位置编码(A24) — 高效注意力(A29)；推理优化(A30) — 服务化(A25) — KV优化(A36) — 端侧(A34)；RAG(A32) — 多模态(A14/A31) — 解码策略(A33) — 蒸馏(A27/A35)。读图关键在"衔接点"：A32 的 RAG 是 B13 记忆的底座；A30/A36 的推理优化撑起 B26 的成本；A22 的推理时扩展改善 B12/B17 的决策；A27/A35 的蒸馏让 B26 的小模型路由有料可用。面试被问"你对大模型了解多少"，按这张图讲"我懂预训练到部署的全链路，并且知道每一环怎么服务于 Agent"即可，这比罗列名词专业一个量级。

五个必会的 A×B 交叉题与骨架：一，RAG 和 Agent 关系——RAG 是知识/记忆底座，Agent 是围绕它的决策执行层；二，推理优化怎么服务 Agent——A30/A36 的 PagedAttention、KV 量化、连续批处理决定 Agent 高并发成本与延迟上限；三，对齐（A22）对 Agent 价值——GRPO/推理时扩展让模型想得更久更准，改善规划与工具选择；四，微调还是上 Agent——A16 把稳定能力烧进权重，Agent 把动态流程留运行时；五，安全两层落地——模型层 A28 安全对齐降概率，系统层 B16/B32 护栏兜底，缺一不可。这五题能串起 A、B 两条线，是区分"只会单点"和"有体系"的关键。

十一、模拟面试、STAR 故事与冲刺计划

把答题框架（定位→原理→权衡→踩坑→案例）落到具体题。题 1（防注入）：定位安全域；原理是把不可信内容与系统指令严格隔离；权衡是隔离越严体验越生硬；踩坑是只防直接注入漏了间接注入；案例是 B32"检索页藏指令试图泄露密钥"。题 2（多智能体何时不该用）：定位协作域；原理是分工突破天花板但有通信开销；权衡是任务能并行才上；案例是 B15"简单客服上多 Agent 反而更差"。题 3（成本怎么控）：定位成本域；原理是大小模型路由+缓存+护栏；案例是 B26 靠路由降一个数量级。用 STAR（Situation/Task/Action/Result）讲清一个项目，例如："某客服日请求千万（S），原大模型成本高延迟大（T）；我用 RAG+ReAct 搭单 Agent，加护栏与 HITL，再上大小模型路由（A）；结果简单请求成本降二十倍、P99 降到百毫秒（R）。" 一个 STAR 故事能同时展示架构、工程、成本、安全四维认知。

30 天冲刺周计划：第一周打地基，每天精读一个能力域，合上资料能画地图；第二周攻深度，选三个目标岗位相关域深挖，备"原理+源码细节+踩坑"；第三周练项目，整理 1–2 个真实项目的 STAR 故事；第四周串八股+模拟面试，每天一道综合题严格用"定位→原理→权衡→踩坑→案例"五步答，并录下来听自己的表达。四周下来，你从"知道点"变成"能成网、能成故事、能抗追问"，这正是面试要的状态。临门一脚的心态：把点连成网、把网压成卡、把卡变成故事，焦虑就会变成结构化的自信。B 系列从 B11 到 B36 贯穿始终的一句话——智能体能不能上生产，不取决于它多会聊，而取决于它在一切都会出错的现实里是否依然稳、可控、可查、可回。把这句话内化成工程直觉，再配上前面所有的招式，你就是面试官想找的"有实战视角、能扛生产"的候选人。

十二、高频十题快答卡与自我介绍模板

十道最可能被点名的题与一句话答案，临场直接掏：①Agent 核心组件？感知规划工具记忆协作安全评测可观测成本编排。②ReAct 是什么？想-做-看循环。③MCP 作用？工具标准化接入。④记忆怎么设计？短期上下文+长期向量+反思。⑤多 Agent 何时用？任务可并行拆分时。⑥怎么防注入？内容隔离+最小权限+沙箱+审批。⑦评测看什么？轨迹与工具正确性+部分分。⑧成本怎么控？大小模型路由+缓存+护栏。⑨编排选什么？状态机/DAG/事件+补偿+灰度。⑩A 和 B 关系？RAG 是记忆底座、推理优化撑成本、对齐提决策。十句话覆盖 B 系列主干，配合前面地图与故事，足以应对绝大多数开场题，剩下的就是用深度和踩坑去拿区分度。

开场与收尾也有模板，把体系认知亮出来。开场："我系统准备过大模型与智能体两条线，大模型侧从预训练、对齐、量化到推理优化和端侧部署都有工程实践，智能体侧从 ReAct、记忆、MCP 到安全、评测、编排、生产化形成完整闭环，并且我把它们串成了'模型底盘支撑 Agent、Agent 放大模型价值'的协同认知。" 收尾："我对 Agent 的理解不只是会调 prompt，而是知道它怎么在真实系统里稳、可控、可查、可回地上生产——这也是我准备这些项目时反复验证的事。" 这样的开场收尾，三句话把 A、B 两条线和个人项目全亮出来，比"我熟悉 LangChain"这种泛泛之谈有力得多，且自然引出后续深挖。

十三、收尾：知识是网不是点

把 B 系列二十多篇和 A 系列串起来看，真正的认知不是"我会多少招"，而是"这些招怎么连成网、在真实系统里互相支撑"。感知、规划、工具、记忆、协作、安全、评测、可观测、成本、编排、生产化、落地——每一个都是一个节点，面试时你要在脑里随时能画出这张网，被问任何一个点都能牵出相邻节点。这是从"背八股"到"有体系"的质变。临门一脚的心态：准备面试最容易陷入"知识点越看越多、越看越慌"的陷阱，破解办法就是本文做的事——把点连成网、把网压成卡、把卡变成故事。当你脑里有能力地图、手里有选型卡、嘴边有 STAR 故事，焦虑就会变成结构化的自信。B 系列从 B11 评估一路走到 B36，贯穿始终的一句话是：智能体能不能上生产，不取决于它多会聊，而取决于它在一切都会出错的现实里是否依然稳、可控、可查、可回。把这句话内化成你的工程直觉，再配上前面所有的招式，你就是那个面试官想找的"有实战视角、能扛生产"的候选人。至此，整个智能体系列收官，祝 27 届的你在 Agent/LLM 岗的战场上，稳、准、狠。

十四、收口：从会答到可信

面试官真正在筛的不是"知道多少"，而是"出事时靠不靠谱"。所以同样的八股，分两层答：第一层讲清原理（这是门槛），第二层立刻补"我在什么场景下踩过什么坑、怎么解的"（这是区分度）。B 系列从 B11 评估一路走到 B36，始终在讲一件事——智能体能不能上生产，不取决于它多会聊，而取决于它在"一切都会出错的现实里"是否依然稳、可控、可查、可回。把你做过的项目、踩过的坑、补过的护栏讲成故事，你就不再是"背八股的人"，而是"真扛过生产的人"。这层认知，是 27 届 Agent 岗面试的终极加分项。当你脑里有能力地图（九域）、手里有选型卡（六件套与决策树）、嘴边有 STAR 故事、兜里还有 A 系列的底盘认知，你就已经把"点"连成了"网"。至此整个智能体系列收官，祝你在 Agent/LLM 岗的战场上，稳、准、狠，把每一次面试都打成一次有体系、有故事、有深度的专业呈现。

十五、临门一脚：把焦虑变成结构

最后说一句心态，因为再好的内容若讲得慌也会扣分。准备面试最容易陷入"知识点越看越多、越看越慌"的陷阱，破解办法就是本文做的事——把点连成网、把网压成卡、把卡变成故事。当你脑里有能力地图（九域）、手里有选型卡（六件套与决策树）、嘴边有 STAR 故事、兜里还有 A 系列的底盘认知，焦虑就会变成结构化的自信。遇到陌生题，按"定位→原理→权衡→踩坑→案例"五步答，先归到能力地图的某个域，再讲核心原理，接着讲工程权衡，然后补真实踩坑，最后给落地例子——这套框架比死记硬背更抗追问，因为面试官追的永远是"你真做过没有"。B 系列从 B11 评估一路走到 B36，贯穿始终的一句话是：智能体能不能上生产，不取决于它多会聊，而取决于它在一切都会出错的现实里是否依然稳、可控、可查、可回。把这句话内化成你的工程直觉，再配上前面所有的招式，你就是那个面试官想找的"有实战视角、能扛生产"的候选人。至此整个智能体系列收官，祝 27 届的你在 Agent/LLM 岗的战场上，稳、准、狠。

面试速答

• 智能体能力地图：感规工记、协作安评、观成产落九个域；任何题先定位域再展开，回答有结构。
• ReAct vs Plan-and-Act：ReAct 边想边干更灵活难控；Plan-and-Act 先规划再执行更可控；看任务开放度选。
• MCP 与 Function Calling：MCP 标准化"工具怎么接入"（协议/生态），FuncCall 是"模型怎么表达调工具"，正交可共存。
• A×B 关系：RAG 是 Agent 知识底座，推理优化撑 Agent 并发与成本，微调烧固有能力、Agent 管动态流程。
• 答题框架：定位→原理→权衡→踩坑→案例，比背八股更抗追问。

高频追问清单

1. 给你一个"智能投研 Agent"需求，你会怎么从 L1 设计到 L4？每档交付什么？
2. ReAct 死循环怎么彻底防？除了最大步数还有哪些工程手段？
3. MCP 的传输层与鉴权你打算怎么落地？多工具并发调用怎么编排？
4. 多智能体的一致性如何保证？出错时责任怎么归因到具体 Agent？
5. 间接提示注入和直接注入防御有何不同？沙箱逃逸怎么防？
6. 评测 Agent 为什么不能只看终态结果？部分分怎么算？
7. 成本护栏里大小模型路由，除了模型置信度还能用什么判据？
8. 编排引擎选状态机还是 DAG 还是事件驱动？各适合什么负载？
9. 在你做过的项目里，A 系列的哪项技术直接救了 Agent 的并发成本？
10. 如果面试官说"你的方案过度设计"，你怎么用 B35 的成熟度模型为自己辩护或认错？

大模型方向（A 系列）的串讲亦同理，二者合璧，便是 27 届 Agent/LLM 面试的完整答案。