# 1. Supervisor（管理者）模式下主 Agent 如何做子 Agent 的任务分解与结果聚合 A 子 Agent 的结果必须全部成功才允许聚合，不允许部分成功 B Supervisor 一定是纯确定性流程，不依赖 LLM 判断 C Supervisor 负责分解、委派、校验与聚合，是集中式编排的决策核心 ✓ 正确答案 D Supervisor 模式不存在单点故障问题
# 2. Network（点对点）模式下多个 Agent 如何自主发现彼此能力并协商 A 必须由中心 Supervisor Agent 完成所有协商 B 点对点模式无法实现能力发现 C Agent 通过能力发现与协商机制自主匹配，去中心化、无单点 ✓ 正确答案 D 点对点模式天然保证全局一致性，无需治理
# 3. Hierarchical（分层）编排与扁平 Network 在处理长任务时可靠性差异 A 扁平 Network 相比分层更容易定位故障 B 两种拓扑在长任务可靠性上完全相同 C 分层编排不支持状态持久化 D 分层编排把错误限制在局部子树，便于隔离、重试与恢复 ✓ 正确答案
# 4. Swarm / 去中心化蜂群模式适合哪些任务，失败传播如何控制 A 通过冗余与局部规则自组织，适合大量独立可并行任务 ✓ 正确答案 B Swarm 必须依赖中心总控协调 C Swarm 中的单个失败会级联导致整个系统失败 D 适合强顺序、高精度依赖的单一任务
# 5. Supervisor、Pipeline、Parallel 三种多 Agent 拓扑各适合什么任务，如何选型？ A Pipeline 适合并行加速 B 固定阶段依赖的任务最适合 Parallel C 依赖动态、需按中间结果决策的任务适合 Supervisor ✓ 正确答案 D 三种拓扑可以互换且选型无关紧要
# 6. Debate（辩论）模式下多个 Agent 互审如何提升答案正确率与幻觉抑制 A Debate 完全依赖单 Agent 自我修正，无需多 Agent B 各 Agent 越同质，辩论效果越好 C Debate 模式不消耗额外 token，成本最低 D 多 Agent 独立作答后互审，可暴露错误并抑制无依据幻觉 ✓ 正确答案
# 7. 如何根据任务复杂度选择编排拓扑并做降级（复杂→单一 Agent） A 简单任务用单一 Agent，复杂任务用 Supervisor，失败时可降级为单一 Agent 兜底 ✓ 正确答案 B 降级会无条件导致质量下降，应避免 C 所有任务都应使用多 Agent 以提升质量 D 拓扑一旦选定就不可切换
# 8. Handoff（交接）模式在 LangGraph 中如何实现状态在 Agent 间传递 A 每个 Agent 有独立 State，互不共享 B 通过共享 State + next 路由实现交接，上下文显式传递 ✓ 正确答案 C Handoff 后原 Agent 状态全部丢失 D Handoff 只能传递 messages，不能传业务上下文
# 9. 多 Agent 的消息传递与共享状态如何设计，如何避免状态不一致？ A 每个 Agent 各自维护一份状态副本即可 B 建立单一事实源，写路径收敛、配版本号与幂等，避免不一致 ✓ 正确答案 C 状态一致性无法通过工程手段保证 D 共享状态不需要任何并发控制
# 10. Agent 间的任务委派与结果校验如何形成闭环？ A 委派后无需校验，直接信任执行结果 B 委派时明确验收标准，执行后独立校验，不合格则返工或升级，形成闭环 ✓ 正确答案 C 校验必须由执行 Agent 自己完成 D 返工应无上限，直到成功为止
# 12. 编排拓扑的容错设计，Supervisor 单点故障、子 Agent 失败隔离与拓扑降级（复杂拓扑→单一 Agent）？ A Supervisor 无需持久化，故障后直接重启即可 B 子 Agent 失败应级联重试整个拓扑 C 通过状态持久化+多副本应对 Supervisor 单点，子 Agent 用超时/熔断隔离，并可降级到单一 Agent ✓ 正确答案 D 拓扑降级会丢失所有状态，应避免
# 13. 多 Agent 的成本与延迟控制，何时单 Agent 更好？ A 多 Agent 总是比单 Agent 更节约成本 B 简单、低延迟敏感任务用单 Agent 更合适，应先用单 Agent 基线对比再决定是否多 Agent ✓ 正确答案 C 成本与 Agent 数量无关 D 延迟与模型选择无关，只取决于编排
# 14. 编排状态管理，全局状态、局部状态与错误恢复的快照与回放机制如何设计 A 在关键节点写 checkpoint，失败时回滚到最近一致快照并回放，保证可恢复 ✓ 正确答案 B 只需保存全局状态，局部状态无需处理 C 快照频率越高越好，无需权衡 D 回放要求每次结果都不同才有效
# 15. 编排与并行，任务分解的粒度与依赖建模（串行/并行/条件）如何决定，结果合并的时序如何保证 A 任务分解粒度越小越好，无任何代价 B 结果合并不需要关注时序，随时可合并 C 用 DAG 表达串行/并行/条件依赖，用 join 保证所有依赖完成后再合并 ✓ 正确答案 D 条件分支无法建模到 DAG 中
# 16. 编排的执行引擎，状态机、工作流引擎与事件总线的适用边界如何划分 A 事件总线最适合强流程控制与事务追踪 B 状态机适合状态可枚举、转移明确的流程，工作流引擎适合复杂长时流程，事件总线适合高吞吐异步解耦 ✓ 正确答案 C 工作流引擎不提供重试与人工介入 D 三种引擎永远互斥，不能组合
# 17. 编排的并行控制，fan-out/fan-in 的并发上限、超时聚合与部分结果处理？ A fan-in 用完成阈值+超时聚合，部分结果按多数一致融合并标记不确定性 ✓ 正确答案 B fan-out 并发数应无上限以提高吞吐 C 超时后的迟到结果必须仍计入聚合 D 部分结果处理无需考虑幂等
