高频面试题

AI Agent 的核心组件有哪些？感知、决策、执行、记忆各自的作用是什么？

这道题看起来是在背概念，实际是在看你能不能把 Agent 拆成能落地的模块，并说清每一块到底负责什么、容易在哪里出问题。

适合阶段：Agent 入门 / AI 应用工程面核心能力：Perception · Planning · Tool Use · Memory

面试官角度分析，想考什么

• AI Agent 的核心组件有哪些？
  考你能否把 Agent 从“一个大模型”拆成感知、决策、执行、记忆，而不是只背四个名词。

• 它们各自负责什么，怎么协作？
  考职责边界和闭环意识：感知吃输入、决策选下一步、执行真正行动、记忆沉淀状态；四者不是静态分层，而是“观察结果再决策”的循环。

• 这些组件的工程边界在哪？
  考落地意识：决策不等于 LLM 可以无限做主，runtime 要管权限、校验和停止；记忆要分短期、工作和长期；工具也不是越多越强。

可直接抄走的 30 秒参考答案

我理解 AI Agent 不是“一个大模型加几个工具”就完事了，核心要有感知、决策、执行和记忆四块。感知负责看懂用户输入、文件、网页和工具返回；决策负责判断下一步该问人、调工具还是给答案；执行负责真正调用 API、查库、跑代码这些动作；记忆负责记录目标、进度、结果和可复用经验。它们不是静态分层，而是一个闭环：看见信息，决定动作，执行拿结果，再把结果写回状态，直到任务完成或触发停止条件。

面试回答详解，知其所以然

回答这道题时，不要只背“感知、决策、执行、记忆”四个词。更好的讲法是：Agent 是一个围绕目标运转的闭环系统，四个组件各管一段，但最终都要服务“把任务往前推”。

1. 感知：把外部输入变成 Agent 能处理的上下文

感知模块负责接收和理解外部信息。最常见的输入是用户自然语言，比如“帮我分析这个日志为什么报错”；也可以是文件、网页、图片、音频、数据库结果、API 返回值、屏幕截图或工具执行后的 observation。

它的核心产物不是“回复”，而是可供后续决策使用的上下文：

原始输入 -> 解析意图 / 抽取约束 / 识别环境状态 -> 可决策上下文

在文本 Agent 里，感知常表现为 prompt、RAG、文档解析和工具结果解析；在多模态或桌面 Agent 里，感知还包括图像理解、屏幕状态识别、UI 元素定位等。感知做不好，后面的决策会建立在错误上下文上。

2. 决策：根据目标和状态决定下一步怎么走

决策模块是 Agent 的“大脑”，通常由 LLM 承担 planner 或 policy 的角色。它要理解用户目标、拆解任务、选择下一步动作、决定是否调用工具、判断证据是否足够，并在任务完成、失败或需要用户确认时停止。

一个典型决策链路是：

目标 + 当前状态 + 可用工具 + 历史结果 -> 下一步动作 / 继续 / 停止 / 转人工

但面试里一定要补一句：决策模块不应该拥有无限权力。LLM 可以提出动作，runtime 要负责权限校验、参数校验、最大步数、人工确认、回滚策略和 trace 记录。成熟 Agent 不是“模型想干什么就干什么”，而是“模型在工程边界内做动态决策”。

3. 执行：把决策变成真实动作，并返回结果

执行模块负责把决策转成可运行的动作。最常见的是工具调用，比如搜索、读写文件、执行代码、查数据库、调用业务 API、创建工单、发送通知等。

执行模块至少要处理三件事：

• 工具匹配：判断模型选择的工具是否存在、当前状态下是否允许调用。
• 参数执行：校验参数 schema，处理鉴权、超时、重试、幂等和错误返回。
• 结果回传：把工具结果整理成 observation，让决策模块能继续判断。

工具调用让 Agent 能影响外部世界，也带来风险。读操作可能泄露信息，写操作可能产生副作用，代码执行可能有安全问题，业务 API 可能需要审批。所以执行模块不是“帮模型跑函数”这么简单，它也是权限和可靠性的关键边界。

4. 记忆：保存当前任务状态和可复用经验

记忆模块让 Agent 不至于每一步都从零开始。它既包括当前任务中的短期上下文，也包括结构化任务状态和跨会话长期记忆。

• 短期记忆：通常是当前上下文窗口里的对话、工具调用和中间结果，适合支撑一次连续任务。
• 工作记忆：是当前任务的结构化状态，比如已完成步骤、待办、阻塞点、已确认约束和停止条件。
• 长期记忆：跨会话保存用户偏好、历史经验、项目知识或常用事实，通常需要检索、版本、证据和权限控制。
• 经验记忆：保存过往任务轨迹、失败原因和修复策略，帮助 Agent 在相似任务中少走弯路。

这里要避免一个常见误区：把所有历史都塞进 prompt 不等于记忆设计。好的记忆需要决定写什么、怎么组织、什么时候检索、冲突如何处理、过期信息如何遗忘，以及敏感信息能不能长期保存。

5. 四个组件形成的是闭环，不是静态分层

这四个组件真正协作起来，才构成 Agent 的任务推进能力：

感知输入
  -> 决策下一步
  -> 执行工具或动作
  -> 感知执行结果
  -> 更新记忆和状态
  -> 再次决策，直到完成或停止

所以这道题的高分答案应该强调“闭环”。感知提供环境信息，决策选择行动，执行改变环境或获取新信息，记忆沉淀状态和经验；下一轮决策再基于新的 observation 和 memory 继续推进。

6. 生产落地时，还需要 runtime 把组件串起来

感知、决策、执行、记忆是能力视角；工程落地还需要 Agent runtime 或 harness 把它们管起来。比如 OpenAI Agents SDK 会管理工具循环、handoff、session、trace、guardrail 和 approval；Anthropic 也强调 agentic system 的基础是带 retrieval、tools、memory 增强的 LLM，并提醒不要一开始就堆复杂框架。

面试里可以这样收束：组件拆得清楚只是第一步，更关键的是知道每个组件的失败模式。感知会误读输入，决策会选错路径，执行会调错工具或越权，记忆会污染上下文。生产级 Agent 要靠 schema、权限、trace、评估、重试、回滚和人工确认，把这些风险压住。

面试官追问3个问题

追问一：短期记忆塞满了怎么办？上下文窗口不够用时怎么处理？

• 考察点：是否知道上下文窗口不是无限记忆，以及 memory 需要工程设计。
• 回答方向：可以用滑动窗口保留最近信息，用摘要压缩保留历史脉络，用检索式记忆召回相关历史，用结构化 state 保存关键任务状态。实际项目里通常组合使用，不会简单把所有历史都塞进 prompt。

追问二：如果决策模块选错工具，或者工具调用失败，Agent 怎么恢复？

• 考察点：是否理解 tool error 需要进入下一轮 observation，而不是被吞掉。
• 回答方向：执行模块要返回结构化错误，包括错误码、失败原因、可重试性和部分结果；决策模块基于错误重新规划，可能调整参数、换工具、缩小任务或询问用户。外层还要有最大重试次数、超时、幂等和人工兜底。

追问三：多个 Agent 协作时，记忆怎么共享？

• 考察点：是否知道共享上下文会带来信息污染和协作成本。
• 回答方向：常见有共享黑板和消息传递两种。共享黑板让多个 Agent 读写同一状态，简单但容易膨胀和冲突；消息传递让每个 Agent 保持独立记忆，通过结构化消息同步关键结果，隔离性更好但通信成本更高。复杂系统还会区分公共任务状态、私有工作区和最终产物。

扩展知识

四个组件和经典 Agent 三段式的关系

经典 AI Agent 常被描述为：感知环境、做出决策、采取行动。LLM Agent 继承了这个框架，但因为大模型上下文有限、任务经常跨多轮、多工具、多会话，所以“记忆”在工程上变成了单独的一层。

经典 Agent：Perception -> Decision -> Action
LLM Agent：Perception -> Decision -> Action -> Memory / State -> Next Decision

所以如果面试官问“为什么要单独讲记忆”，可以回答：因为 LLM 本身是无状态调用，Agent 要持续推进任务，就必须把任务状态、工具结果、用户偏好和历史经验外置管理。

感知不只是用户输入，也包括工具 observation

很多人会把感知理解成“听懂用户说什么”，这只讲了一半。Agent 在每一轮工具调用之后，都要重新感知工具返回的 observation：搜索结果是否可信、SQL 是否报错、代码测试是否通过、API 返回是否命中权限限制。

对工具结果的理解能力，直接影响 Agent 是否能自我纠错。比如执行 SQL 报错后，好的 Agent 会读懂错误类型，修改查询或换工具；差的 Agent 会忽略错误，继续生成看似合理的结论。

决策模块的能力天花板和工程边界

决策模块通常决定了 Agent 的复杂任务上限。模型越强，越能处理长链路规划、工具选择、异常恢复和多约束权衡。但模型能力强不代表可以放任它自由执行。

生产里一般会把决策权拆开：

• 模型决定：下一步候选动作、需要的信息、可能的工具。
• Runtime 决定：动作是否允许、参数是否合法、是否需要人工确认。
• Verifier 决定：结果是否满足任务目标，是否可以停止。

这种拆法能让 Agent 保持灵活性，同时把高风险动作关进确定性边界里。

记忆模块的常见设计方式

记忆可以按生命周期分层：

• 短期记忆：当前上下文窗口，速度快，但受 token 限制。
• 工作记忆：当前任务的结构化 state，适合恢复、暂停、调试和验证。
• 长期记忆：跨会话持久化信息，常结合数据库、向量检索或专门的 memory service。
• 反思记忆：把失败经验、用户纠正和任务轨迹整理成后续可用的经验。

当上下文窗口不够时，常见策略包括滑动窗口、摘要压缩、检索式记忆和结构化 state 外置。真正难的不是“存下来”，而是选择性写入、选择性读取，以及避免错误记忆污染后续任务。

工具生态让执行模块从函数调用走向能力网络

早期执行模块常是 Function Calling：应用定义工具 schema，模型选择函数和参数，应用层执行后把结果返回。现在更成熟的 Agent 系统会把工具接入、权限、资源、提示词和执行环境统一管理，比如通过 MCP 连接外部工具，通过 Agent SDK 或 runtime 管理工具循环、trace 和 approval。

工具越多，Agent 的能力范围越大，但工具太多也会造成 tool confusion。实际项目里更推荐按任务动态给工具白名单，让 Agent 只看到当前阶段真正需要的工具。