面试优先顺序（通用 AI 应用开发岗位）：Q3、Q4、Q6、Q7、Q9、Q10、Q12、Q14、Q15、Q16、Q17、Q18。其余题目用于进阶或特定岗位拓展；实际频率会随岗位和面试轮次变化，产品版本资讯不应当作通用必考题。
难度： ⭐⭐⭐ 考点： 智能体设计模式、ReAct、Function Calling、多 Agent 协作
本模块默认已经掌握单 Agent 的定义、ReAct、Function Calling、循环控制和记忆。对应主答案见 AI Agent 基础。
多 Agent 面试的重点不是把多个单 Agent 放在一起，而是说明任务为什么值得拆分，以及拆分后如何处理通信、状态、一致性、权限、成本和部分失败。
| 概念 | 一句话解释 |
|---|---|
| Agent | 能自主决策和行动的 AI |
| ReAct | 推理 + 行动的循环模式 |
| Function Calling | 让 LLM 调用外部函数 |
| Planning | 把大任务分解成小步骤 |
| Memory | 短期对话 + 长期向量存储 |
| Multi-Agent | 多个 Agent 分工协作 |
| Reflection | Agent 自我评估和改进 |
| AutoGen | 微软开源,对话式协作,灵活迭代 |
| CrewAI | 角色驱动,模拟团队,结构清晰 |
题目目录（按原文档学习顺序，⭐ = 面试高频优先题）
A2A + MCP 混合架构
Agent Skills 与 Tools
Critic / Verifier 双 Agent 模式
前置知识
多 Agent 协作模式
多 Agent 研究的工程判断
多 Agent 职责划分与层级任务分解
生产环境多 Agent 编排：反模式与场景设计（Q18）
速记卡片
- ⭐ Q3 · 企业级多 Agent 架构需要考虑哪些核心问题？
- ⭐ Q4 · 多 Agent 系统如何设计 Policy Engine、权限和审计？
- Q5 · Agent 治理工具应该解决哪些问题？
- ⭐ Q6 · RAG、Agent、MCP 与 A2A 的职责边界是什么？
- ⭐ Q7 · 如何用 A2A 协议实现 Agent 发现、任务委托和状态查询？
- Q8 · 如何定义 Agent 系统的成熟度？