Agent 执行到一半服务重启了，任务应该怎样恢复？
Agent 故障恢复不能只保存聊天记录。需要持久化任务标识、运行状态、已完成步骤、待处理动作和必要的结果引用，重启后才知道从哪里接着做。恢复时，执行器先取得任务的执行权，再读取最后保存的状态。已确认完成的步骤可以复用结果；
最新文章
AI 面试题与 AI 编程教程，记录从理解到实践的过程。
Agent 调用 MCP 工具时，用户权限应该在哪里校验？
Agent 调用 MCP 工具时，模型负责提出工具和参数，权限要由可信服务检查，不能让模型判断自己有没有权限。对于需要授权的 HTTP MCP 服务，服务器先验证访问令牌是否有效、是否是签发给自己的，以及是否具备本次请求需要的权限。
开发 Agent，应该用 LangChain、LangGraph，还是自己写？
这三个选择并不是按“简单、中等、复杂”排成一条线。LangChain 提供比较高层的模型、工具和 Agent 组织方式，它的 Agent 底层使用 LangGraph；LangGraph 则让我们更直接地定义状态、节点和执行路径。
RAG 评测集怎么构建？让大模型自己出题、自己打分靠谱吗？
构建 RAG 评测集，我会先确定系统服务哪些人、解决哪些问题，再从脱敏后的真实请求、失败案例和业务人员提供的场景中收集样本。缺少的类型，可以用模型辅助生成。
多 Agent 如何传递上下文？怎样避免信息丢失和相互污染？
多 Agent 传递上下文，不应该默认复制全部聊天，也不能只发一句简短任务。应该根据子 Agent 的职责，提供目标、必要背景、共同约束、可用资料和输出要求。例如比较两款软件，一个子 Agent 调查功能，另一个调查部署方式。
Agent 的长期记忆怎么设计？用户改口后，旧记忆怎么办？
Agent 的长期记忆，是把跨会话仍然有用的信息保存下来，并在后续任务需要时取用，不是把所有聊天都永久保存。设计时，我会给记忆记录用户、适用范围、来源、更新时间和有效状态。
Agent 如何选择和加载 Skill？为什么 Skill 多了以后反而容易选错？
Agent 使用 Skill，一般可以分为发现、选择和加载。应用先提供名称、描述等简要信息；模型判断当前任务需要哪些 Skill，再读取对应的完整说明和必要材料。
AI 写的代码能运行，就算完成了吗？你会怎样验收？
代码能运行，只能说明它通过了部分检查，不能说明需求已经完成。我会先把需求转成能观察的验收条件。例如导出全部筛选结果，就需要验证跨页数据、筛选条件、字段内容和用户权限，而不只是检查下载按钮能不能点击。
Agent Harness 是什么？为什么有了大模型，还需要一套运行系统？
Agent Harness 可以理解为围绕模型搭建的一套运行系统。模型负责根据当前信息做判断，Harness 则负责把需要的信息交给模型、执行允许的工具调用，再把结果送回去。
Agent 的上下文太长了怎么办？为什么不能直接总结聊天记录？
Agent 的上下文压缩，不能只是把聊天记录缩写一遍。因为后面的执行依赖前面留下的目标、限制、证据和进度，漏掉其中一项，任务就可能走偏。因此，我会先把这些内容分开处理：当前目标和操作限制单独保留；已经完成的过程整理成摘要；
LangChain Middleware 是什么？和 Tool、Callback 有什么区别？
LangChain Middleware 是介入 Agent 执行过程的一组钩子。可以在调用模型前整理输入，也可以包住模型或工具调用，处理重试、路由和提前结束等逻辑。Tool 负责完成具体业务动作，例如搜索资料、查询订单。
LangGraph 子图是什么？父图和子图怎么传状态？
LangGraph 子图就是把一个图放进另一个图里，作为其中的一个节点使用。它适合封装可以独立理解和复用的多步流程，例如把搜索、阅读和资料汇总做成一个资料收集子图。父子图怎样传状态，要看它们的接口。
AI 应用离线评测变好了，为什么还要灰度发布？怎么安全回滚？
离线评测使用的是准备好的样本，能帮助判断新方案是否值得上线验证，但不能完全代表真实流量。灰度发布会先让一部分用户或会话使用新版本，其余继续使用旧版本，作为同期对照。
Prompt 为什么也要做版本管理？线上出错怎么回滚？
Prompt 会影响模型的任务处理、输出格式和工具选择，因此应该像其他程序配置一样管理版本。修改时保留旧内容，形成一个可以准确定位的新版本，再用固定样本和历史错误问题比较效果。测试通过以后，才把生产环境切到新版本，而不是直接覆盖线上文字。
Agent 执行代码为什么需要沙箱？放进 Docker 就安全吗？
Agent 生成的代码，仍然应该按不可信程序处理。模型可能写错代码，也可能受到用户输入或外部内容影响，所以不能直接让它访问业务服务器的全部资源。沙箱会给代码提供受限制的运行环境。
Agent Skill 和 MCP 有什么区别？有了 Skill，还需要工具吗？
Agent Skill 通常是一份可复用的任务说明包，里面有适用场景、处理步骤，也可以附带脚本、模板和参考资料。例如，告诉 Agent 写周报时先检查哪些进展，再按什么格式整理。MCP 是 AI 应用连接外部能力的协议。
RAG 怎么处理 PDF 表格？为什么数字都识别出来了，答案还是错？
处理 PDF 表格时，不能只提取文字，还要保留表格的结构。例如“100”这个数字，到底是 100 GB 存储，还是最多 100 个成员，取决于它所在的行和列。解析时需要保存套餐名称、列标题、单位，以及合并单元格、脚注和跨页关系。
RAG 父子检索是什么？为什么搜小片段，回答时却给大段落？
父子检索会把检索和回答使用的文本，分成两种粒度。入库时，先保留较完整的父段落，再从里面切出较小的子片段。子片段用来建立检索索引，同时记录自己属于哪个父段落。
LoRA 是什么？为什么只训练少量参数，也能微调大模型？
LoRA 是一种参数高效微调方法。它保留基础模型已有的权重，在选定的层旁边加入少量可训练参数，用这部分参数学习任务需要的调整。具体来说，原来一个很大的权重改变量，会用两个较小矩阵的乘积来表示。
大模型为什么等很久才开始回答？Prefill、Decode 和 KV Cache 是什么？
常见的自回归大模型推理，可以分成 Prefill 和 Decode 两个阶段。Prefill 处理输入内容。例如，我们发给模型一份报告，它需要先计算这段输入对应的表示。输入越长，通常需要处理的工作就越多。
LLM-as-a-Judge 是什么？让大模型给答案打分，靠谱吗？
LLM-as-a-Judge 就是让大模型充当评审，根据问题、参考材料和评分标准，对答案打分或比较两个答案哪个更好。它适合检查语义上的问题，比如回答是否符合资料、有没有答到用户关心的内容。
用户点了“停止生成”，后端就真的停了吗？AI 任务怎么取消？
用户点“停止生成”，不代表后端一定停止了。前端中断请求，首先影响的是这条连接；如果任务已经在后台独立运行，它还可能继续调用模型和工具。所以，我会用任务 ID 发起明确的取消请求。
Agent 工具越多越好吗？为什么接入更多工具，反而容易选错？
Agent 的工具不是越多越好。工具多了，模型可以处理更多类型的任务，但如果把大量相似的工具定义一次性放进去，也会增加输入长度，让选择变得更容易混淆。
RAG 为什么第一问答得对，追问就搜错了？多轮对话怎么检索？
多轮 RAG 不能只拿用户最后一句话去检索，因为“企业版呢”“这个怎么开通”这样的追问，单独看并不完整。一种常见做法是，先结合相关聊天记录，把当前问题补成能够独立理解的检索问题。
Few-shot Prompting 是什么？为什么给大模型几个例子，回答就更准确了？
Few-shot Prompting 就是在提示词里放入少量“输入和正确输出”的例子，再让大模型处理新的输入。例如，给客服工单分类时，光说“分成故障、使用咨询和功能建议”，模型未必清楚我们的具体标准。
RAG 和微调有什么区别？企业知识库应该怎么选？
RAG 会在用户提问以后，先检索相关资料，再把资料和问题一起交给大模型。这种做法适合公司制度、产品文档这些需要经常更新、回答时还要说明出处的内容。微调则是在已有模型上继续训练，调整可训练的参数，改善特定任务上的表现。
做 AI 应用怎么选大模型？为什么排行榜第一不一定适合你的项目？
排行榜可以先看，它能帮我们找几个值得试的模型。但最后选谁，得回到自己的项目里判断。比如做 AI 编程助手，模型回答“Bug 已修复”不算完成任务。我们要看它交出的补丁能不能解决原问题，改完以后有没有影响别的功能。
LangGraph 的 Send 怎么实现动态并行？与普通分支有什么不同？
LangGraph 的 Send 适合动态扇出：图运行到某一步，才知道有几项工作要并行处理。比如解析报告得到 12 个章节，路由函数就针对 12 个章节分别返回一个 Send，指定同一个摘要节点，但给每次调用不同的章节内容和编号。
LangGraph 的 Checkpointer 和 Store 有什么区别？
LangGraph 的 Checkpointer 保存图在某个 thread 上的状态快照，适合对话续接、暂停后恢复、查看执行历史。使用时需要稳定的 thread_id；换了 thread_id，就不是继续原任务。
LangChain 中 Runnable、Chain、Agent 有什么区别？
Runnable 是 LangChain 里可调用、可组合的一类抽象，通常能以统一方式执行、批处理或流式处理。把若干 Runnable 按确定顺序组合起来，就形成一条固定处理链；
Agent Demo 能跑，为什么离生产上线还很远？
把 Agent 从 Demo 推到生产，我会设四类门槛。第一，目标和安全边界：什么算完成，哪些动作必须禁止或人工确认。第二，执行可靠性：工具超时、重复请求、状态恢复和幂等怎么处理。
面试官让你设计 AI 编程助手：读代码、改文件、跑测试，怎么做？
我会把 AI 编程助手设计成一个受控闭环：先读取错误信息和仓库结构，定位相关文件；再让模型提出小范围补丁；在隔离工作区运行目标测试与必要的回归测试；最后交付补丁、测试结果和风险说明，等待人工或可信流程确认。工具不是越多越好。
多租户 AI 应用怎样防止聊天记录和知识库“串租户”？
多租户 AI 应用要把租户范围作为服务端确认的安全上下文，贯穿聊天会话、上传文件、解析片段、向量检索、工具调用、答案缓存和引用下载。不能相信客户端传来的 tenant_id，更不能只靠提示词告诉模型“不要泄露别家数据”。
大模型接口被限流了，为什么“多重试几次”反而更糟？
遇到模型接口限流，我会先在入口控制并发、请求量和 Token 预算，避免把所有流量都推给供应商。可以延迟的批处理进入有上限的队列；交互请求则设置短等待预算，超出就明确降级或失败。
Prompt Cache 和答案缓存有什么区别？为什么不能混着用？
Prompt Cache 和答案缓存不是一回事。Prompt Cache 让模型服务复用相同前缀的计算，例如稳定的系统说明和工具定义；本次请求仍会生成新回答。答案缓存则是应用发现“这次可以复用旧结果”，直接把上次答案返回。
AI 应用为什么要做模型路由？怎样避免把难题错送给小模型？
模型路由就是根据任务难度、风险、时延要求等，把请求交给不同模型处理。比如格式固定的意图分类可先试轻模型；跨多个条款推理、需要复杂工具规划的请求，交给更强模型。做法不是凭感觉写一堆关键词规则。
怎么评测 Agent 真的完成了任务，而不是只说“已完成”？
Agent 任务评测不能只看最后回答。要先为任务定义可验证的完成条件：例如代码修复要求补丁存在且指定测试通过；创建工单要求系统里有且只有一张符合要求的工单；资料调研要求结论能回溯到证据。
Agent 为什么要先做计划？计划变了还算 Agent 吗？
Agent 做计划，是为了把复杂任务拆成可验证的阶段，避免拿到一个工具结果就漫无目的地调用下一个工具。计划里应有当前假设、下一步要取的证据和完成条件。但计划不能锁死执行路径。
Agent 调用工具超时了，可以直接重试吗？
Agent 调工具超时，先把它看成结果未知，而不是操作失败。查询类工具通常可以设置超时、有限次数的退避重试；创建、支付、发信这类写操作不能让模型直接再调一次，因为第一次可能已经成功。
Agent 读取网页时遇到“忽略之前的指令”，该怎么防提示词注入？
这是间接提示词注入。攻击者把指令藏在网页、邮件或检索结果里，等 Agent 读取时，试图让模型把这段外部内容当成更高优先级的命令。防护的核心是划清信任边界。外部内容只作为待处理数据进入上下文，不能获得用户或系统的授权。
RAG 系统怎么评测？为什么不能只看答案对不对？
我会把 RAG 的评测分成三层。第一层看检索：标准证据有没有进入候选和最终上下文；第二层看证据使用：模型说出的关键结论能不能从提供的材料里找到依据；第三层看业务答案：它是否回答了问题，条件、数值和结论是否正确。
RAG 知识库里的文档更新、删除后，为什么还会搜到旧答案？
RAG 的文档通常会被解析、切片、生成向量，再写入检索索引。修改源文件只完成了第一步，旧片段可能还留在索引、搜索副本或缓存里，所以用户仍会搜到旧答案。我会给文档和片段带上稳定 ID、版本和有效状态。
RAG 中 Rerank 是什么？为什么重排不能代替召回？
Rerank 就是对已经检索出来的一批候选，结合用户当前问题重新排序。召回阶段要尽量把可能有用的材料找进来；重排阶段再从这些材料中挑出更值得放进模型上下文的几条。
RAG 为什么要做混合检索？关键词检索和向量检索各会漏掉什么？
RAG 用混合检索，主要是因为关键词和向量检索擅长的题不一样。像 E_CONN_RESET 这样的错误码、订单号或条款编号，关键词匹配通常更直接；用户把原文换一种说法来问时，向量检索又更容易找到语义相近的片段。
Embedding 是什么？向量相似就代表内容可信吗？
Embedding 是把文本等内容表示成一组数字，也就是向量。两段内容在某个向量空间里距离近，通常表示它们在这个模型看来有一定相关性，因此适合拿来做语义检索。但我不会把相似度分数直接当成“答案正确率”。
Token 是什么？为什么不能按中文字符数估算上下文和费用？
Token 可以理解为模型处理文本时使用的片段单位，但它和汉字、单词都不是一一对应的。同一段内容换了语言、标点或者模型的分词方式，Token 数量就可能变。所以我不会拿“中文有多少字”直接当上下文预算。
大模型输出了合法 JSON，就能直接入库吗？结构化输出失败怎么处理？
合法 JSON 不能直接入库。它只说明语法上能解析；即使用 JSON Schema 约束了字段和类型，也只能说明结构符合预期，不能证明金额、订单归属和业务条件正确。我会把链路分几关：先检查模型调用是否完成、有没有拒答或截断；再做结构校验；
单 Agent 和多 Agent 应该怎么选？什么时候才需要 Handoff？
我不会默认把任务拆成多个 Agent。先用单 Agent 加明确工具，看看它是否已经能稳定完成任务。如果主要问题只是步骤多，未必需要多 Agent；真正值得拆分的，往往是专业上下文、工具权限或对话责任需要分开。
RAG 文档切片越小越好吗？Chunk Size 应该怎么选？
RAG 切片不是越小越好。小块通常更聚焦，检索时容易定位到某句话，但可能把主规则、前提和例外拆开；大块能保留更多上下文，却可能混入无关内容，增加重排和模型输入的负担。
LangSmith 的 Trace 和 Evaluation 有什么区别？线上坏例子怎么变成回归测试？
Trace 是一次请求的执行轨迹，能把模型调用、检索和工具调用这些步骤串起来，帮我们定位一次失败发生在哪里。Evaluation 则是用明确的样本和标准，对一个版本或多个版本的表现做判断。两者有联系，但不是同一回事。
LangGraph 的 State、Node、Edge 各负责什么？并行节点同时更新状态怎么办？
在 LangGraph 里，State 是任务当前的共享快照，Node 是处理一项工作的函数，Edge 决定下一步执行哪个节点。比如报表助手可以先有“用户要看哪段时间”的状态，随后两个节点分别查销售与退款，最后由汇总节点生成结论。
智能客服系统里，RAG、工具调用和人工转接应该怎么配合？
我会把智能客服按任务分层。政策解释类问题用 RAG 找当前适用的条款，并给出来源；涉及“我的订单”就先确认用户身份，再调用订单工具读实时数据；
如何设计企业知识库问答系统？文档更新、权限和评测怎么做？
企业知识库问答，我会拆成两条链路。离线链路负责文件解析、切片、元数据和索引，尤其保留来源、版本、生效时间、所属空间与权限标识；在线链路负责身份验证、权限过滤、检索、上下文组装、生成和引用。文档更新不能直接把半成品暴露给用户。
用户上传文件后，解析和建索引要几分钟，异步任务该怎么设计？
文件上传和解析建索引要分开。上传接口把文件可靠保存下来，再创建一条任务，返回文件 ID、任务 ID 和当前状态；OCR、切片、Embedding、写索引由后台 Worker 执行。
上下文窗口足够大，为什么大模型还是会漏看长文档中的关键信息？
上下文窗口变大，解决的是一次能输入多少内容；它不能保证模型对长文档里每个位置、每个例外条件都同样敏感。像合同违约金，正文里可能有一条通用规则，后面又有特殊客户或特定日期的例外。模型读进去了整份合同，仍可能只拿前面的通用规则作答。
大模型为什么会产生幻觉？把 Temperature 调到 0 能解决吗？
大模型的幻觉，简单说就是它给出了看似合理、却没有事实依据或者与已有证据冲突的内容。比如知识库根本没有今年的报销标准，它却报出一个具体金额。把 Temperature 调到 0，通常会让采样结果更集中、更稳定，但不会帮模型核实事实。
RAG 检索到了正确文档，为什么大模型还是答错？怎么排查？
RAG 检索到正确文档，只能说明检索结果里出现过它，不能保证大模型拿到了完整的证据，更不能保证它按照证据答对。我会先拿一条答错的请求，对照检索结果、最终送进模型的上下文和模型输出。
MCP 和 Tool Calling 有什么区别？接入 MCP 就等于做好 Agent 了吗？
MCP 和 Tool Calling 并不是二选一。Tool Calling 是模型提出工具调用的方式：应用告诉模型有哪些工具，模型返回想调用的工具和参数，真正执行仍然由应用处理。MCP 则是 AI 应用连接外部能力的一套协议。
Agent 的 Context、Memory 和 State 有什么区别？为什么聊久了会“忘事”？
Context 可以理解成这一轮真正交给模型看的信息。用户刚说的话、任务目标、最近的工具结果，都可能放进去；但系统保存过的内容，不代表模型这一轮一定看到了。State 记录的是任务现在进行到哪里。
AI 聊天流式输出用 SSE 还是 WebSocket？页面刷新后如何恢复？
如果是普通的文字聊天，用户提交一次问题，服务端持续返回回答，我会先用普通 HTTP 请求提交问题，再用 SSE 把生成内容推给页面。用户能发问题，不代表这条连接必须是双向的。
RAG 检索不到知识库里的文档，应该怎么排查？
RAG 检索不到文档时，先确认答案所在的那段文字，是不是真的进入了当前可查询的索引。因为“文件上传成功”和“内容可以被检索到”是两回事。文件上传以后，通常还要经过解析、切片、生成向量和建立索引。
Skill 越装越多，Codex 真的能选对吗？我拿自己的技能库做了次实测
教你理解 description 在选择过程中的作用；区分 Skill 文件存在、被加载、被选中读取和结果遵守规则；用具体请求检查路由并维护技能库。
GPT-6 Sol、Luna 价格腰斩，Opus 5.5 也来了：最贵的模型，还要一直开吗？
两个小时之后，OpenAI 直接发布了 GPT-6 Sol 和 Luna现在的 AI 竞赛就是这个样子，一家公司发布了新的模型之后，竞品几乎可以在几天之内赶上，甚至发布更强的模型。
什么是 Tool Calling？大模型是如何调用外部工具的？
Tool Calling 并不是大模型自己去执行某个工具，而是模型和应用之间约定的一套调用方式。应用会先把工具名称、用途和参数结构告诉模型。模型判断需要使用工具时，会返回一份结构化的调用请求，里面通常包含工具名称、参数和调用标识。
【保姆级教程】想把 WorkBuddy 彻底玩明白！只看这个就够了！
教你理解 WorkBuddy 与聊天 AI 的差别；安全选择工作空间和工作模式；完成文件整理与多材料交付；分清 Skill、专家和连接器；设置个性化与记忆；把已经跑通的重复任务改造成自动化。
LangGraph 如何实现暂停和恢复？人工审批后从哪里继续执行？
LangGraph 通过保存执行状态，让任务能够暂停下来，等收到用户回复以后继续执行。具体来说，需要配置一个负责保存检查点的 checkpointer，并用 thread_id 标识当前线程。
Agent 的工作原理是什么？一次任务是如何循环执行的？
Agent 的核心工作方式，可以理解成一个不断重复的执行循环，也就是 Agent Loop。任务开始以后，模型会读取用户目标和当前的任务状态，然后决定下一步做什么。
Agent 和 Workflow 有什么区别？实际项目中应该怎么选？
Agent 和 Workflow 的本质区别，是执行路径到底有谁来决定。Workflow 的步骤处理主要是有代码预设决定好的。那么即使中间调用了大模型，但是它本质仍然可以是 Workflow 预定好的流程。
昨天看到 GitHub 83 万行的代码重构，我好像找到了AI 重构大型屎山项目的希望
教你区分测试通过与业务正确；理解测试依据应独立于新实现；知道失败日志如何进入修复与复测流程；按能否独立投入使用判断任务边界；根据调用方识别兼容约定；审查 Agent 如何使检查通过，而不只看通过状态。
聊得越久，AI 为什么反而越笨？一篇讲透 Context Engineering
教你分清 Prompt 与上下文工程；理解上下文窗口不等于有效记忆；知道如何使用 AGENTS.md、分层文档、Skill、MCP、进度文件、压缩与子 Agent 管理上下文；能够为自己的项目建立最小上下文结构。
从0到1跑通 Codex MCP，这次把安装和调用讲透了！
教你理解 MCP、MCP Client、MCP Server 和 Tool 的关系；在 Codex APP 中接入 Playwright MCP；让 Codex 打开 TodoMVC、添加待办并完成点击；
无需 Claude 账号！Claude Code APP + DeepSeek 零基础完整教程 + 7 大使用技巧
教你安装 APP、配置第三方推理、验证模型路由，并掌握 Code 本地会话中的文件引用、任务描述、修改确认、Diff 检查、权限切换、运行中纠正和会话管理。
