10. 面试题
初级
Q1：Agent Runtime 与 LLM Gateway 有什么区别？
参考答案：
- LLM Gateway 解决“调哪家模型”的问题：路由、限流、重试、多供应商统一接入。
- Agent Runtime 解决“怎么让模型持续执行任务”的问题：ReAct 循环、工具调用、状态管理、护栏、可观测。
- 典型关系：
Agent Runtime → LLM Gateway → LLM。
Q2：什么是 ReAct？
参考答案：
ReAct = Reasoning + Acting。模型在每一步先进行推理（Thought），然后决定执行什么动作（Action），Runtime 执行动作后把观察结果（Observation）回传给模型，循环直到任务完成。
Q3：Agent Runtime 为什么需要状态管理？
参考答案：
因为 Agent 任务通常是多轮的，需要记录当前处于 planning/acting/observing/done/error 哪个状态，还要支持 checkpoint 与断点续跑。
中级
Q4：工具调用时如何防止模型参数幻觉？
参考答案：
- 给工具提供清晰的 JSON Schema 和描述。
- Runtime 对参数做类型校验和范围检查。
- 参数错误时让模型重试，但限制重试次数。
- 对枚举值、路径等做白名单校验。
Q5：Agent 无限循环怎么解决？
参考答案：
- 设置
max_steps上限。 - 检测重复工具调用（相同 name + 相同参数）。
- 检测状态是否长期没有进展。
- 对模型提示“如果无法推进，请承认失败”。
Q6：长时任务如何保证可恢复？
参考答案：
- 每轮循环后 checkpoint：保存 state、messages、plan、trace_id。
- 使用外部持久化（Redis/Postgres）存储 checkpoint。
- 失败或进程重启后从最近 checkpoint 恢复。
- HITL 请求本身也是状态机的一部分。
Q7：Agent Runtime 中 Guardrails 应该放在哪些位置？
参考答案：
- 输入层：过滤敏感/越权请求。
- 工具前置：检查参数、权限、调用次数。
- 工具后置：检查结果是否合规。
- 输出层：校验最终答案。
- 资源层：限制迭代次数、超时、token 预算。
高级
Q8：设计一个生产级 Agent Runtime，你会怎么设计？
参考答案：
- 数据面无状态：Runtime worker 可水平扩展，状态外置。
- 状态持久化：checkpoint 到 Redis/Postgres，支持断点续跑。
- 任务队列：接收任务后入队，worker 异步消费。
- LLM Client：通过 LLM Gateway 调用多模型，支持 fallback。
- Tool Registry：声明式注册，自动生成 schema，带权限标签。
- Executor：危险工具进沙箱，超时隔离。
- Guardrails：多层策略，HITL 高风险操作。
- Observer：OpenTelemetry trace + Prometheus metrics + 结构化日志。
- Eval：固定评测集 + 影子运行 + A/B 测试。
Q9：LangGraph 与 OpenAI Agents SDK 的主要区别是什么？
参考答案：
- OpenAI Agents SDK：SDK 式，Agent/Runner/Tool 抽象，快速落地，绑定 OpenAI 生态。
- LangGraph：图编排式，StateGraph/Node/Edge，显式状态管理，强持久化与可观测，适合复杂生产工作流。
- 选型：简单 OpenAI-only 任务用 SDK；复杂有状态任务用 LangGraph。
Q10：Agent Runtime 中如何处理工具执行失败？
参考答案：
- 参数错误：把错误信息作为 observation 回传，让模型修正后重试。
- 超时/异常：返回统一的 error observation，Runtime 决定是否 fallback。
- 连续失败：触发熔断或进入 error 状态。
- 不可恢复：记录失败 trace，必要时请求 HITL。
Q11：为什么 Agent 的可观测比传统服务更重要？
参考答案：
因为 Agent 的执行路径是模型动态决定的，无法像传统服务那样通过代码路径预测。必须记录完整的 thought-action-observation 链、guardrail 事件、token 成本，才能调试、审计和优化。
本章小结
面试中关于 Agent Runtime 的问题通常集中在：ReAct 循环、工具调用与参数校验、状态与持久化、Guardrails 与 HITL、可观测、框架对比。掌握本章问题，基本可以覆盖中级到高级面试场景。
参考来源