10.23 小天才 AI 应用工程师一面：网页生成 Agent 的工作流、工具安全与评测

《面试题目》

1. 介绍一下你的 Agent 项目，为什么要做？
2. 假设用户提出一个网页生成需求，从输入到最终生成，完整流程是什么？
3. 为什么需要 Prompt 增强？
4. 为什么选择 LangGraph4j？
5. 质量检查节点具体做什么？失败之后怎么处理？
6. 如果用户在生成后手动修改了代码，下一轮 Agent 修改时怎么避免覆盖这些改动？
7. 为什么采用单 Agent 工作流，不使用多 Agent？
8. Agent 的工具调用和流式输出有什么技术难点？
9. 如何保证 Agent 工具调用的安全？
10. 如果你的 Agent 要推广到团队使用，还缺少什么？
11. Workflow 和 Agent Loop 有什么区别？
12. 介绍一下你在实习中开发的智能体。
13. 用户发起一个查询请求，完整链路是什么？
14. 为什么同时使用业务 API 和固定脚本两套链路？
15. Skill 是怎么开发、调试和优化的？
16. AI Coding 如何理解历史代码中的隐性约束？
17. 你将保险规则配置流程沉淀为 Skill，具体怎么做的？
18. 什么是大模型幻觉？为什么会产生？
19. RAG 的完整流程是什么？
20. RAG 效果不好怎么排查？
21. 了解 BM25 和混合检索吗？
22. MCP 是什么？CLI 是什么？
23. 了解子 Agent 吗？什么场景需要？
24. 什么是 Agent Harness？
25. 平时如何使用 AI Coding 完成开发？
26. 假设要做一个面向穿戴产品研发的 AI 应用开发平台，你现有的网页生成 Agent 能复用什么？

《参考解析》

两种生成模式与 Prompt 增强：普通模式直接让模型出 HTML，快但只能应付单页；工作流模式把「需求分析 → Prompt 增强 → 并行素材收集 → 复杂度路由 → 代码生成 → 质量检查 → 工程构建」串成图，由路由决定产出单页还是整个 Vue 工程。Prompt 增强是最值钱的一环：用户说的是「做个卖咖啡的官网」，下游需要的是页面结构、技术栈、必备功能、视觉风格和硬约束（不要外链、移动端适配）。所以别把增强当「多写一段提示词」，产出必须是结构化字段，下游才能稳定消费，也才能拿来评测。LangChain4j 管模型调用与工具集成，LangGraph4j 管节点编排、条件边和把质检结果回灌成重试。

质检节点与构建失败：规范不通过时把问题回灌给生成节点、限定最多三次重试，方向是对的；构建失败直接结束则是短板——应该截断并结构化构建日志（错误类型、文件、行号），带着错误做定点修复，同时设重试与成本上限，超限就降级交付：返回能跑的最小版本加明确的失败原因。重试要带 diff，让模型只改不通过的部分，整项目重写既烧 token 又引入新错。

用户手改代码后的多轮修改：核心是把「重新生成」换成「打补丁」：每次生成后留代码基线快照，下一轮先做差异定位，产出 patch 而不是整文件覆盖；用户编辑过的区间打标记，冲突时不静默覆盖，交回模型重写或提示用户确认。底座是版本管理与回滚，没有基线就谈不上保护用户改动。

单 Agent 与多 Agent：节点和路径由开发者预定义的是 Workflow，可控、可测、成本可估；由模型看工具返回决定下一步的是 Agent Loop，灵活但不确定。真实系统一般是外层工作流、内层局部 loop。多 Agent 的收益在任务可并行、上下文可隔离、子任务能独立验收；代价是上下文传递损耗、状态同步、失败归因变难、token 翻倍。流程明确时单 Agent 更划算。

工具调用安全：Prompt 层（明确禁止事项、防注入）只能降低概率，不能当边界。硬约束要落在 runtime：工具白名单、参数 schema 校验、文件访问限定工作区、命令走沙箱与超时、危险操作人工确认、调用留审计日志、按步数与 token 设上限。一句话：不假设模型始终可靠，关键权限由程序强制控制。

Harness、MCP 与子 Agent：Harness 是围绕模型的执行环境——上下文装配、工具注册、权限、状态、重试与日志。MCP 是工具与数据源的接入协议，规定 server 怎么暴露能力、client 怎么发现调用；CLI 是交互界面，跟 MCP 不在一个层面。子 Agent 适合信息收集可并行或上下文必须隔离的场景，主 Agent 只留规划与验收，否则检索结果会把主上下文撑爆。

评测：推广到团队前最缺的是「任务真的完成了」的证据链。任务层看成功率并按失败类型分类（选错工具、参数错、构建失败、需求理解错），过程层看步数、工具调用数、token、时延、重试率，质量层对客观任务跑测试、对主观任务用人工评分加与之对齐过的模型评审。回归集从线上失败样本回流，改提示词或换模型都重跑。

RAG 与幻觉：幻觉来自按概率生成、训练数据缺口和上下文不足或冲突。链路是解析 → 分块 → embedding → 向量库 → 召回 → rerank → 拼上下文 → 生成。效果不好先分检索还是生成：检索看召回里有没有答案、分块有没有切断语义、embedding 是否适配领域，指标看 recall@k；生成侧看提示词是否要求引用、长上下文有没有稀释关键段落、是否允许「没依据就说不知道」。混合检索用 BM25 补型号与错误码这类精确匹配，向量补语义，融合后再 rerank。