持久化执行(durable execution)和会话记忆(memory)是一回事吗?
围绕“持久化执行(durable execution)和会话记忆(memory)是一回事吗”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确执行位点恢复与知识记忆两类状态的边界。
AI Agent面试题第 7 页,显示第 301–350 题,共找到 511 道完整解析,可继续按分类、标签与关键词缩小范围。
按稳定语义路径排序
围绕“持久化执行(durable execution)和会话记忆(memory)是一回事吗”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确执行位点恢复与知识记忆两类状态的边界。
本文针对Agent执行中出现新依赖的场景,解释为何优先采用增量插入节点与局部重排,而非整体重新规划。通过具体条件和边界分析,给出可操作的判断依据。
围绕“如何离线评估 Agent 生成计划的质量”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确执行成功率、步数偏差与人工评分三类指标的互补。
围绕“如何表达并强制“B 必须在 A 之后、C 不可与 D 同时”这类时序约束”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确顺序边与互斥约束在图状态机中的表达。
围绕“用少量示例引导 LLM 生成计划时示例应该怎么选”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确示例应覆盖分解模式而非任务内容,避免过拟合示例结构。
围绕“长任务执行中如何检测 Agent 已经偏离原始目标”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确周期性用原始目标对当前进度做一致性校验。
围绕“任务计划里如何写可被机器验证的完成条件”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确把模糊目标转成断言式验收标准的写法。
区分 LLM 生成多级计划与形式化 HTN 规划,说明长任务的阶段拆分、叶子任务验收、按需展开与层级协调成本,避免把计划写得越细当成越可靠。
围绕“长任务恢复时如何支持人工修改计划后再继续”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确在中断点暴露可编辑计划并重新校验后恢复。
围绕“有副作用的子任务失败后如何保证重跑是幂等的”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确幂等键与先查后写的设计。
围绕“规划与执行交错进行时,重新规划的粒度该设在子任务级还是阶段级”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确按阶段边界重规划以平衡稳定性与适应性。
围绕“LangGraph 中为什么用图而不是线性链来表达任务计划”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确循环与条件边对重规划、重试的表达能力。
围绕“LangGraph 的 interrupt 与 checkpointer 如何配合实现可恢复的人工审批”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确 interrupt 挂起图执行、checkpointer 负责状态回放的分工。
围绕“如何验证 LLM 生成的计划里没有虚构的工具或步骤”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确用工具注册表与 schema 做接地校验的做法。
围绕“主 Agent 把子任务委派给子 Agent 时,计划边界该怎么划”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确按上下文隔离与工具专长划边界,避免共享大计划导致耦合。
围绕“跨小时甚至跨天的任务,Agent 的挂起与唤醒应如何实现”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确基于持久化状态加外部触发器(定时/事件)唤醒。
围绕“如何对 Agent 的计划与实际执行轨迹做可观测性追踪”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确把计划节点与实际步骤对齐记录以便偏差分析。
围绕“Orchestrator-Workers 模式中编排器该把多少决策留给 worker”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确编排器管分解与汇总、worker 管局部执行的权责线。
本题给出并行执行依赖已知子任务还需满足写隔离与可合并输出的判断标准,指出依赖图无环并不等价于可并行,并通过实例说明安全条件与失败边界。
围绕“重新规划时如何只改受影响的子计划而保留已完成结果”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确以下游依赖闭包界定重规划范围的方法。
对比 Plan-and-Execute 与 ReAct 两种 agent 规划模式:先整体规划后执行与边推理边行动的机制、长任务上的 token 与重规划代价差异、各自失效条件与可操作选型判断。
围绕“让 LLM 直接生成可执行代码当计划有什么优劣”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确代码计划的组合性与调试成本对比数据流式计划。
围绕“相似任务的计划可以缓存复用吗?风险是什么”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确按计划结构模板复用但需重新校验工具与参数。
围绕“实际执行偏离计划时,如何诊断是计划错了还是工具错了”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确对比计划假设与工具返回的差异定位归因。
围绕“如何在执行前估计一个计划在预算和步数内可行”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确基于历史工具耗时与步数上限的可行性预判。
围绕“LLM 输出的计划用自然语言、JSON 还是代码表示更好”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确结构化 schema 利于校验与执行、自然语言利于人审的取舍。
围绕“计划进入执行前应该做哪些静态校验”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确工具存在性、参数模式、权限与依赖完整性的校验清单。
围绕“外部 API 有速率限制时计划应如何适配”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确把限流作为资源约束纳入调度与排队的做法。
围绕“Agent 频繁重规划导致原地打转(thrashing)怎么防”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确重规划预算、冷却次数与计划置信度门槛。
围绕“哪些信号应触发 Agent 重新规划而不是继续原计划”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确工具失败、环境假设失效、目标偏移三类触发信号的区分。
围绕“工具调用失败时,重试、换工具、重新规划三者如何取舍”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确按失败是否可恢复与假设是否仍成立分级升级策略。
围绕“进程崩溃后恢复时,正在执行到一半的子任务怎么处理”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确已完成节点跳过、中断节点按幂等性决定重跑或人工介入。
围绕“计划中途放弃时,已执行的副作用步骤如何补偿或回滚”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确为每个副作用步骤预定义补偿动作而非依赖真正回滚。
围绕“执行 LLM 生成的计划步骤为什么需要沙箱隔离”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确不可信步骤对文件、网络与系统的访问边界。
围绕“执行过程中每个子任务完成后由谁验证结果”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确工具返回值校验、LLM 自检与外部校验器三者的分工。
围绕“重规划后旧步骤产生的中间结果还可能有效吗”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确按状态版本与依赖来源判断中间产物是否可复用。
围绕“为了可恢复,Agent 的执行状态里最少要持久化哪些字段”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确计划、已完成结果、当前游标与预算消耗的最小状态集。
围绕“计划执行过程中如何向用户流式汇报进度而不泄露内部细节”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确以计划节点为粒度映射用户可读的进度事件。
围绕“多个并行子任务的结果如何合并成对主目标一致的结论”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确结果冲突时的裁决策略(来源优先级或再验证)。
Agent 子任务要拆到多细才适合执行?用文档检查和代码修复场景说明可验证交付物、共享上下文、依赖关系、恢复成本和模型调用开销,避免按固定步骤数拆任务。
围绕“有截止时间的任务如何约束 Agent 的规划深度”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确按剩余时间收缩计划深度与切换粗略策略的判断。
围绕“高风险工具(删数据、发邮件)在计划执行中如何做权限门控”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确在计划节点上标记审批点与中断等待人工确认的机制。
围绕“规划阶段如何为子任务选工具而不是执行时再选”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确按工具描述与输入输出匹配预绑定工具,减少运行时误选。
围绕“环境信息不完整时,Agent 应该规划探索步骤还是直接假设”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确信息增益与探索成本决定是否先探测。
本题从短链路和单工具场景切入,说明显式规划模块在哪些条件下无益甚至有害,分析其延迟、成本与幻觉代价,并给出基于步骤数和工具数的可操作判断标准。
围绕“零样本直接让 LLM 出完整计划在哪些任务上会系统性失败”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要明确长依赖链与精确资源约束任务的系统性短板。
围绕“Agent 收到 LLM 429 响应时,为什么必须优先遵守 Retry-After 而不是固定退避”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须区分服务端提示退避与本地指数退避的优先级。
围绕“为 Agent 的成本超支设计告警时,为什么按小时成本燃烧率告警优于按累计账单告警”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要解释检测滞后问题。
围绕“Python asyncio 实现的 Agent 中,取消一个正在执行的 LLM 流式请求需要穿过哪几层才能生效”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖需要说明 Task.cancel、流式响应关闭与工具子任务取消的传递链。
围绕“Agent 任务执行到一半 token 预算耗尽时,应该直接终止还是降级收尾,判断依据是什么”给出直接结论、机制拆解、可复现验证、常见误区与追问,重点覆盖必须给出基于任务可恢复性的决策。