AI Agent学习笔记（20260817）

https://www.bilibili.com/video/BV1QhPQzoEEF?spm_id_from=333.788.player.switch&vd_source=bdf1567680c44f72b0a1fff4ad90e553&p=6
肖斌

关于Agent和Multi-Agent的面试题

一. WorkFlow和Agent有什么区别?

WorkFlow根据项目需要定义清晰的逻辑链
Agent是ReAct（）
项目中采用了langchain和langgraph框架开发，在这个框架中Agent本质就是WorkFlow，它是一种特殊的WorkFlow，且Agent的底层也是由WorkFlow的graph来实现的
区别：
WorkFlow，采用逻辑链
Agent，始终由大模型进行自主规划路径

从灵活度上来说，WorkFlow更灵活，它也可以加入大模型进行自主决策，也可以使用其它方式决策

二. 能直接把超过30个以上的工具都给Agent?

不能。因为这样可能出现上下文窗口爆炸的情况；另外这样思索时间可能变长；token变多成本飙升

三. Multi-Agent的连接方式有那几种?

目前本质上有两种：
1.主管架构：可能设计成多层主管架构
2.网络架构：可能回造成智能体间相互跳转可能导致死循环

四. 怎么确保Agent能正确完成意图决策从而选择合适的工具?

1.选择基于智能体意图决策后训练优化的推理模型，让智能体拥有更加聪明的核心大脑
2.要定义完整的清晰化的工具描述以及工具的参数描述，让智能体知其所能
3.用精确的提示词引导智能体，比如采用Few-Shot提示词工程或者动态提示词加载工程来让智能体选其所示
4.设置合适的节点和工具调用容错备份机制，让智能体善用其果
5.定义清晰的智能体边界，让多个不同功能边界的子智能体协调完成复杂任务，并且每个子智能体管理一小部分工具，可以显著提升智能体工具决策的准确性和鲁棒性
6.在某些意图非常重要的决策场景下，最好采用agent evaluation来评估智能体的最终答案 （目前评估框架有RGS、agent evaluation框架）