#创作灵感#

鉴于货拉拉一面被问到如果让你设计一个自动下单点外卖的agent你会怎么设计，进而在网上翻阅了一些资料并加以ai的理解总结出来的，希望对在找工作的uu有帮助

正文

1、确认边界：

核心目标是什么，有没有延迟，成本，安全要求

这一步很关键，其一是可以给你的回答带来一点缓冲的思考时间，其二可以给面试官一种你在实现业务时很严谨，很专业的印象

大部分情况面试官都会说这些方面都有要求，毕竟如果都说没有要求就太简单了，直接丢给大模型夸夸一堆输出就行

2、定义agent：

简单来说，这个agent是根据用户提出的需求，完成x，输出x的系统，可能存在xx的并发问题及成本问题

这一步是一个总起句，主要目的也是延长一点思考时间，让自己能更好组织后续回答

3、输入层：

（1）意图识别：构建多个agent，每个agent下列出常见意图，可以用llm分析意图也可以用embedding语义向量匹配节+关键字匹配兜底省成本

附：其实大部分场景都可以拆解成多个agent来解决的，例如下单点外卖可能会遇到投诉，售后，询问商家/询问骑手等问题，这些都是可以分别分配给对应agen来实现的，不会说所有需求都扔给一个主agent，这样时间久了相应的tools，skills和知识库都会很庞大，在检索使用这些工具或信息的时候容易出现污染或检索延迟的情况

（2）澄清机制：自动校验下单必填字段（收货地址、送达时间、口味、预算范围），缺失项发起定向澄清

4、规划层：

（1）单步确定性任务：直接函数调用。

比如复购历史订单、修改收货地址这类明确操作，大模型仅负责提取参数，直接调用对应工具一步完成

（2）多步固定流程：走 Workflow 固定工作流。

标准点餐场景预设「地址校验→商家筛选→菜品匹配→满减凑单→订单确认」5 个固定节点，流程走向完全由规则控制，大模型仅承担节点内的口味匹配、备注生成等语义类工作，不干预流程链路。

（3）开放复杂任务：启用 ReAct 推理模式。

仅针对多人团建、定制餐食这类非标需求，让模型边思考边调用工具，但每一步工具调用都必须经过规则校验，超出权限或预算范围直接拦截。

5、执行层

（1）强Prompt ：所有节点的 Prompt 均采用结构化指令，强制大模型返回固定 JSON 格式，包含「操作类型、入参列表、执行说明」必要字段

（2) 工具调用规范：所有第三方接口（商家查询、库存校验、订单提交）统一封装为标准工具函数，设置单轮对话最大工具调用次数上限，防止模型死循环调用，控制 API 调用成本。

6、治理层

（1）成本：

• 不同意图可以按需搭配不同规模的llm，简单场景用小模型，复杂场景才调用大模型

• 工具结果缓存，对同一区域的热门商家、菜品列表做短时效缓存，减少重复第三方 API 调用

（2）安全：

• 权限隔离，Agent 仅可提交待支付订单，无自动扣款权限，支付环节必须由用户手动确认

• 隐私脱敏，用户手机号、详细地址等敏感信息在模型上下文中全程脱敏，仅向执行接口透传完整数据

• 内容合规，对用户输入、商家信息做全量内容安全校验，拦截违规内容