面试题：AI全栈
AI 全栈工程师岗位相关的 AI 应用开发、Agent 工作流、模型接入和产品落地面试准备。
Agent 与普通 Prompt 链有什么区别，什么时候不应该使用 Agent？
Agent 能根据中间结果选择下一步工具或动作，但它引入不确定路径、成本和权限风险；固定流程能解决的问题不应强行交给 Agent。
Agent、工具调用与工作流AI全栈中频题
工具调用的名称、参数 Schema、权限和返回结果应如何设计？
工具定义既是模型理解能力的接口，也是执行器的安全边界的一部分；描述要清楚，权限要由服务端再次判断。
Agent、工具调用与工作流AI全栈中频题
ReAct、规划执行、状态机和固定工作流分别适合什么任务？
不同编排方式对应不同的不确定性和可控性：越高风险的流程，越应把状态和转移显式化。
Agent、工具调用与工作流AI全栈中频题
如何限制 Agent 的最大步数、预算、执行时间和工具范围？
限制要在服务端执行，并形成每次任务的预算账本；Prompt 中的“请适度使用工具”不能阻止循环。
Agent、工具调用与工作流AI全栈中频题
工具调用失败、参数错误、部分成功和重复执行分别怎样恢复？
恢复策略取决于失败是否可重试、动作是否有副作用以及当前状态是否已知，不能对所有工具统一重试。
Agent、工具调用与工作流AI全栈中频题
如何给 Agent 的每一步保存状态、事件和可重放输入？
把 Agent 看成事件驱动的长任务，保存不可变事件和可计算状态，才能支持重试、暂停、审计与复现。
Agent、工具调用与工作流AI全栈中频题
浏览器、Shell、数据库和文件系统工具为什么需要不同的权限边界？
工具的攻击面和副作用不同，必须按能力拆分沙箱、网络、文件、数据库和身份权限，不能用一个通用执行器。
Agent、工具调用与工作流AI全栈中频题
多 Agent 协作什么时候有价值，如何避免角色重复、消息爆炸和责任不清？
多 Agent 只有在任务可清楚分工、并行或需要不同工具边界时才有价值，否则会放大上下文、成本和调试复杂度。
Agent、工具调用与工作流AI全栈中频题
MCP 或类似工具协议解决什么问题，接入第三方工具时要审查哪些风险？
工具协议统一了模型客户端与外部工具的发现和调用方式，但协议标准化不等于工具可信，接入仍需权限与供应链审查。
Agent、工具调用与工作流AI全栈中频题
一个 Agent 任务怎样设计暂停、确认、取消、重试和人工接管？
长任务要有显式状态机和用户可见的控制点，尤其在即将产生不可逆副作用时暂停并确认。
Agent、工具调用与工作流AI全栈中频题