🧠 记忆锚点：概率能力不能靠一次调通；用结构约束、统计评测、观测与兜底把它工程化。
💡 答案要点
核心认知（面试必答）：
转 Agent 开发最大的挑战不是学新技术，而是思维方式转变：从"确定性编程"到"概率性编程"。
两种思维对比（面试核心）：
| 维度 | 传统开发（确定性） | Agent 开发（概率性） |
|---|---|---|
| 核心逻辑 | if-else / 算法 | Prompt + 模型推理 |
| 问题定位 | 断点调试 | 统计评估（跑 100 次看成功率） |
| 输出特征 | 确定性（输入A→输出B） | 概率性（同样输入可能不同输出） |
| 质量保证 | 单元测试 | 评估数据集 + 回归测试 |
| 失败处理 | try-catch | 降级 + 重试 + 兜底 |
概率性输出的真实例子（面试可讲）：
同样输入"北京天气怎么样？"，多次调用：
第1次："北京晴天25度，非常适合户外运动！" ✅
第2次："...推荐去公园跑步"（自己加戏）
第3次："应该可以户外运动吧？"（语气不确定）
第4次：{"suitable": true}（格式跑偏，下游解析报错）
→ 这不是代码 bug，无法断点调试，是模型行为特性应对不确定性的三件套（面试加分）：
- 结构化输出：要求 JSON 格式 + 解析失败重试/降级
- 评估而非调试：跑 N 次统计成功率，而不是找断点
- 防御性编程：解析失败给兜底回复，保证系统不崩
Agent 工程化五要素（进阶必答）：
1. 可靠性：指数退避重试(1s→2s→4s)+输入校验+Token预算+输出校验+兜底
2. 可观测性：轨迹日志+调用追踪(LangSmith/Phoenix)+结构化日志
3. 成本控制：模型路由(简单任务小模型省17倍)+Token统计+缓存压缩
4. 评估体系：评估数据集(50-100条)+工具准确率+关键词召回率，数据驱动迭代
5. Multi-Agent编排：复杂任务拆多个Agent协作，注意延迟成本渐进式复杂度黄金判断（面试高光）：
一个 Prompt 能解决的不用 Chain，一个 Chain 能解决的不用 Agent，一个 Agent 能解决的不用 Multi-Agent——每加一层复杂度，延迟和成本都增加。
面试话术：
"转 Agent 开发最大的坎是思维转变：传统代码是确定性的，断点调试就能定位；Agent 是概率性的，同样输入可能输出不同，没法调试只能评估。我的三件套是结构化输出保证格式、跑统计评估代替调试、防御性编程兜底。工程化上我按五要素做：指数退避重试、全链路追踪、模型路由控成本、评估数据集驱动迭代、按需上 Multi-Agent——能不用就不用，复杂度是最后的手段。"
版本: v3.0 | 更新: 2026-07-02 | 补充全网最新高频面试题