网易 Agent 开发一面：ReAct 范式、工具调用与 Agent 效果评测

轮次: 一面
时间: 2026-10
来源: 牛客网

《面试题目》

做个自我介绍，重点介绍 Agent 相关项目经历。
你的 Agent 项目整体架构是什么？核心模块有哪些？
项目中用了哪些框架（如 LangChain、Coze）？为什么选这个框架？优缺点是什么？
项目最大的技术挑战是什么？怎么解决的？有什么落地效果？
你提到的 Coze，拖拽式编排与 Agent 原生模式有何区别？你如何设计节点？
解释 Agent 的核心范式（ReAct、Plan-and-Execute、反应式等），它们的区别与适用场景。
什么是 Agentic Loop（感知—规划—行动—记忆闭环）？各环节的作用是什么？
Agent 如何防止死循环？有哪些终止条件设计？
上下文管理与记忆机制怎么做？Working、Short-Term、Long-Term 记忆如何分层？
如何解决 Agent 的幻觉问题？有哪些校验与反思机制？
什么是 MCP？它和 Function Calling 的区别是什么？各自优缺点？
Tool 调用流程是什么？如何设计 Tool 的 description 以提升调用准确率？
工具调用失败如何处理？重试、降级、参数修正分别怎么设计？
RAG 的核心流程是什么？Chunking 策略、Query Rewrite、Rerank 怎么做？
RAG 检索内容与模型自身知识冲突时，如何处理？
工具过多导致上下文过长，怎么优化？
设计 Agent 的 System Prompt 有哪些核心原则？需要包含哪些关键信息？
如何用 Few-shot、CoT 提升输出稳定性？怎么避免格式混乱？
Prompt 如何做鲁棒性优化？反例提示、Schema 校验怎么落地？
Multi-Agent 适用什么场景？为什么拆分多个 Agent 而不是用单 Agent？
多 Agent 如何分工（角色设计）？协作流程与通信机制是什么？
如何避免多 Agent 的幻觉放大？交叉验证与状态同步怎么做？
设计一个全自动化 AI 漫剧创作 Agent：整体架构、核心节点、关键流程是什么？
漫剧 Agent 如何保证人物设定、画风前后一致？用什么技术方案？
设计一个「可进化」的游戏 BOSS 战 Agent，能学习玩家打法并动态调整策略，架构怎么设计？
如何设计实验验证 Agent 效果（如漫剧质量、游戏 AI 体验），而不是单纯提升难度？
若要快速上线 Agent MVP，保留哪些核心功能？如何做功能取舍？
用过哪些 AI Coding 工具（Cursor、Codex、Claude）？解决过哪些实际问题？
开发中如何用 AI 提升效率？如何避免 AI 生成的代码污染主分支？
Agent 部署时遇到哪些问题？性能优化、并发控制怎么做？
当用户反馈 Agent「很蠢」时，如何定位问题（可解释性）？

《参考解析》

Agent 范式：先分清楚「谁来定计划」和「计划有多长」

ReAct 是「想一步、做一步」的交错循环——模型输出一段推理，调一次工具，看结果再推理，直到给出答案；它的优势是能根据工具返回实时纠偏，代价是步数多、token 消耗大、长任务容易跑偏。Plan-and-Execute 则先让模型产出一份完整计划，再逐步执行（执行中允许重规划），适合步骤可预判、每步耗时长的任务，好处是全局视野和可并发，坏处是计划一旦基于错误假设，后面全错。反应式（纯路由/规则驱动）最轻，适合意图明确、分支固定的场景。选型标准其实就两条：任务的不确定性有多高、每一步是否依赖上一步的真实返回。Agentic Loop 的四个环节里，工程上真正难的是「记忆」——感知和行动是接口问题，规划是模型能力问题，只有记忆决定了它能不能跨轮保持目标一致。

防死循环与终止条件

不能只靠「最大轮数」这一道闸，那是兜底不是设计。可用的判据有几层：状态无进展（连续 N 轮的工具入参与返回哈希相同、或答案与上一轮语义重复）、预算耗尽（token / 时间 / 工具调用次数任一超限）、任务判定（Checker 或规则校验认为目标已达成、或明确判定不可达而提前退出）、以及重复动作熔断（同一工具同一参数连续调用直接拦下并提示换思路）。实践中把这几个信号都上报，让上层决定是压缩上下文重试、换策略（Replan）还是返回部分结果加一句说明——比直接抛「超出最大步数」的用户体验好得多。

工具调用：MCP、description 与失败处理

Function Calling 是模型厂商在推理层给的「按 schema 输出结构化调用」的能力，本质还是把工具定义塞进 prompt、把调用意图解析出来；MCP 则是把「工具、资源、提示模板」抽成一套标准化协议和进程边界，客户端与服务端解耦，换模型、换工具都不用改胶水代码——好处是复用与治理，代价是多一层进程/传输开销、调试链路变长、版本兼容要自己扛。description 写得好不好直接决定调用准确率：用「什么时候用它」而不是「它是什么」开头，参数含义、取值约束、返回结构、失败语义都写全，容易混淆的工具之间写清互斥关系（「查实时库存用 A，查历史库存用 B」），必要时给一两个调用示例，别把实现细节写进去。调用失败要分类型处理：参数格式错 → 按 schema 校验后让模型修正重试；业务错（查无此单）→ 把错误信息当观察结果回灌，让它换工具或换参数；超时 / 限流 → 指数退避重试、幂等键去重；依赖服务整体挂 → 降级到只读路径或返回「暂不可用 + 已调用步骤」，绝不能静默吞掉当成功。工具数量膨胀时，先做能力收敛（合并语义重叠的工具），再上分层检索：按用户意图召回 top-k 工具定义，或把工具按域分组、只暴露当前域，配合「工具目录 + 按需查询详情」的两段式调用。

记忆分层与上下文治理

Working memory 放当前这一轮循环的中间状态（工具原始返回、草稿）；Short-Term 是本次会话的消息历史，要做滚动摘要 + 保留最近若干轮原文；Long-Term 是跨会话沉淀的事实、偏好、任务结论，落到库里按用户/项目维度检索，写入要过一遍「值不值得记」的判定，否则噪声会反过来污染检索。工程上比「分几层」更关键的是压缩策略：大结果不要原样塞回上下文（落盘只留引用与摘要），历史用带角色和时间的结构化摘要替换原文，超限时按「目标—约束—已完成动作—待办」重新生成状态块，而不是简单截断最早的几条。

幻觉抑制与效果评测

校验要在两个位置做：生成前给足依据（检索到的原文、schema、示例），生成后做机器可验的检查——结构化输出过 schema，涉及数字/枚举/引用的做规则比对，关键结论要求附出处并在引用不存在时驳回重生成；再叠一层自反思（让模型对着原始材料逐条核验自己的答案，只允许删改不允许新增）。评测是一整套：先建带标注的小规模金标集把「模型能不能做对」跑清楚，再用 LLM Judge 加人工抽检扩到几百条看稳定性，指标上要分开看成功率、正确性、步数/延迟、单次任务成本、以及失败模式分布；A/B 对照要固定其他变量、跑够样本量，别拿单次体验下结论。像漫剧质量、游戏 AI 体验这类主观目标，得先把「体验好」拆成可观测代理指标（人物一致性分数、镜头返工率、玩家胜率曲线与留存），否则实验设计出来一定只能测难度。

两道系统设计题：AI 漫剧 Agent 与可进化 BOSS Agent

漫剧 Agent 的骨架是「剧本 → 角色/场景设定卡 → 分镜 → 出图/出视频 → 剪辑合成 → 质检」的流水线，每一站都要落结构化产物，因为下游一致性靠的就是上游的显式约束而不是模型的记性。人物与画风一致性有三条路可叠：角色卡（外貌描述、发型服装、配色）作为前缀固定；以首帧/定妆图做参考图 + 角色 LoRA 保证跨镜头同一张脸；再叠一层自动质检——用人脸/特征相似度打分，低于阈值就重出，而不是只靠提示词祈祷。BOSS Agent 则是「离线学、在线用」：离线用玩家历史对局做行为聚类和模仿学习，建立「玩家风格 → 应对策略」的映射表；在线时用 bandit 或轻量策略网络根据当前局面选技能组合，并把结果回流更新；需要设难度护栏（保证可通关、避免瞬秒）和低延迟预算（决策必须在几十毫秒内出，复杂推理放离线），同时避免奖励作弊（只堆血量、只加攻击）。

Prompt 工程与上线取舍

System Prompt 该有的只有几类信息：角色与目标、可用工具与调用约束、输出格式与边界规则、安全与拒答口径、以及少量最关键的示例——写得越长越容易互相冲突，把可枚举的规则交给代码校验比塞进 prompt 可靠。Few-shot 用来锚定格式，CoT 用来稳定推理路径，但结构化输出必须靠 schema 强约束 + 失败重试，不能只靠「请输出 JSON」这句话。快速上线 MVP 时，砍的应该是范围而不是可靠性：保留一条端到端可用的主链路（一个核心场景、少量高价值工具、可观测的日志与失败回放），砍掉多 Agent 协作、自动重规划、自建评测平台这类「有了更好」的部分，用一个场景跑出数据再横向扩。AI Coding 提效的前提是分支隔离与人的验收——小步提交、feature 分支、CI 门禁，改完先读 diff 再看测试覆盖，别让生成的代码直接进主干。用户说「很蠢」时，定位顺序应该是：复现并留存 trace → 判断是理解错（意图识别/prompt）、查不到（检索召回）、做不到（工具/权限）、还是说不清（输出组织），四类问题的修法完全不同，先看数据再改 prompt，别凭感觉调。

《面试题目》

《参考解析》

相关面经