# 1. Agent 在生产环境的成功率基线，SWE-bench Verified、WebArena、OSWorld 等基准的数字会随模型代际快速变化，为何不能直接外推为生产成功率，如何理解这些基准与 Demo 表现的差距？ A 基准分数可直接作为生产成功率 B 基准过拟合不影响其作为生产基线的价值 C Demo 表现就等于生产表现 D 基准数字会随代际快速变化且与生产环境差异大，应作为趋势参照，用企业自有评测集建立真实生产基线 ✓ 正确答案
# 2. Agent 可观测性的三大支柱，Token 成本、任务完成率、错误类型分布；如何用 Langfuse/LangSmith/Helicone 构建 Dashboard？ A 三大支柱是 Token 成本、任务完成率、错误类型分布，用观测平台采集 trace 并聚合展示、设告警 ✓ 正确答案 B 只需记录 token 用量即可 C 错误类型无需细分，统一记为失败 D Dashboard 只能看原始日志，无法聚合
# 3. Agent 失败的常见模式，循环（Loop）、幻觉（Hallucination）、参数错填、工具超时；如何设计检测 + 熔断 + 回退的兜底链？ A Agent 失败只能靠人工发现 B 熔断会永远中断任务，应避免 C 应对循环、幻觉、参数错填、工具超时分别设计检测、熔断与回退，形成可约束的兜底链 ✓ 正确答案 D 参数错填无需校验，模型会自行修复
# 4. Multi-Agent 系统的成本治理，Supervisor/Worker 模式下的总 token 是单一 Agent 的 3-10x，如何分摊与配额？ A Multi-Agent 成本与单 Agent 相同 B 成本无法按 Agent 归集 C 多 Agent 不应设配额，以免影响效果 D 应建立按任务/租户/团队的成本分摊与配额，用缓存压缩上下文，并评估成本放大带来的质量收益是否值得 ✓ 正确答案
# 5. Human-in-the-Loop（HITL）实际落地，哪些步骤必须人审？置信度阈值如何与 UX 平衡？ A 所有步骤都应人审以保证安全 B 置信度只由模型决定，与后果无关 C 高风险/不可逆/敏感操作必须人审，置信度阈值应随后果严重度调整，并用异步与应用队列平衡 UX ✓ 正确答案 D 人审不需要 UX 设计
# 6. Agent 的状态持久化，哪些状态必须保存（对话上下文、工具结果、审批状态），哪些可以按需重建？ A 所有中间结果都必须持久化 B 状态无需持久化，重启后重建即可 C 对话上下文、工具结果、审批状态等关键状态必须保存，可重算的中间结果可按需重建 ✓ 正确答案 D 工具结果无需保存，每次重新调用
# 7. Agent 多会话并发时如何隔离上下文、工具会话与配额，防止单个任务耗尽共享资源？ A 所有会话共享同一上下文即可 B 应隔离上下文、工具会话与配额，并为每个任务设独立限额与并发上限，防止单任务耗尽共享资源 ✓ 正确答案 C 工具凭证可全局共用 D 配额隔离不重要，重在效果
# 8. Agent 的测试分层，工具 mock、轨迹快照回放与 E2E 评估集（AgentBench 类）在 CI 中的工程实践？ A 分层为工具 mock、轨迹快照回放、E2E 评估集，MR 跑快层、夜间跑 E2E，并纳入发布门禁 ✓ 正确答案 B 只需跑 E2E 评估即可 C 轨迹回放无法用于回归测试 D 测试分层层层都慢，无法进 CI
# 9. Agent Memory 的层次化设计，Working Memory（当前会话）、Episodic Memory（用户历史）、Semantic Memory（事实库）的协同？ A 所有记忆都放在同一个缓冲区 B 记忆只需存用户输入，无需存结果 C Working/Episodic/Semantic 三种记忆分别管会话、历史、知识，按需检索注入当前上下文并做好权限控制 ✓ 正确答案 D 记忆不需要清理，一直保留
# 10. Agent 在长任务（>30 分钟）中的 Context Window 管理，自动压缩、关键事实提取、工具结果缓存的工程实现？ A 应通过自动压缩、关键事实提取与工具结果缓存，把窗口变成"摘要+按需事实+当前块"的分层结构 ✓ 正确答案 B 上下文越长越好，无需管理 C 工具结果每次都重新调用并注入，不用缓存 D 长任务只能靠换更大窗口模型
# 11. Agent 的工具权限应如何按最小权限授予，外部内容注入（网页、文档、工具结果）如何与系统指令隔离？ A 应给 Agent 全部权限以提升效率 B 应按最小权限授予并隔离凭证，用标记隔开系统指令与外部内容，外部内容不可执行指令 ✓ 正确答案 C 外部内容与系统指令同等信任 D 工具结果可以同时携带指令被执行
# 12. Agent 多轮任务的 token 消耗应如何预算与控制（最大步数、上下文压缩、工具结果裁剪）？ A 应通过最大步数、上下文压缩与工具结果裁剪做全链路预算控制，并设任务级 token 硬上限 ✓ 正确答案 B 预算无需控制，完成任务最重要 C 工具结果必须全量注入，不能裁剪 D 最大步数限制会降低质量，应取消
# 13. Agent 评测应如何区分任务完成率、效率与成本三个维度，企业自有评测集如何构建并纳入发布门禁？ A 只看任务完成率即可 B 成本不应纳入评测，以免影响质量 C 评测集只能从公开基准取 D 应区分完成率、效率、成本三维度，用真实采样构建自有评测集并设发布门禁 ✓ 正确答案
# 14. Agent 执行轨迹应记录哪些事件（思考、工具调用、重试、终止原因），才能在故障时复现并定位循环与误调用？ A 应记录思考、工具调用、重试、终止原因等结构化事件及上下文快照，以便故障时可复现并定位循环与误调用 ✓ 正确答案 B 只记录最终结果即可 C 轨迹只需记录耗时，无需记录内容 D 终止原因无需记录
# 15. Agent 崩溃或断线后如何从状态快照恢复，并保证未完成的副作用调用不会被重复执行？ A 崩溃后直接重跑整个任务即可 B 应从状态快照恢复，并用幂等键 + 状态机保证副作用调用不会被重复执行 ✓ 正确答案 C 副作用无法幂等，只能接受重复 D 快照只需要在任务结束时保存
# 16. 长任务中途中断后如何恢复（检查点、重放、人工接管），重放边界应如何确定？ A 中断后可直接从头重跑 B 检查点越多越慢，应少设 C 重放边界无需考虑副作用 D 应从无副作用的完整检查点开始重放，重放区域内副作用必须幂等，必要时人工接管 ✓ 正确答案
# 17. Agent 的组合版本发布，Prompt、工具 Schema、模型与知识库的版本绑定与一键回滚？ A 只需对模型版本做管理 B 各组件独立发布即可，无需绑定 C 应把 Prompt、工具 Schema、模型与知识库绑定成组合版本，原子发布并支持一键回滚 ✓ 正确答案 D 回滚只需换模型，提示词无需还原
