Agent 工作流编排

IT_1024

168人浏览 · 2026-11-05 16:23:22

IT_1024 · 2026-11-05 16:23:22 发布

Agent 工作流编排

1. 工作流和自主智能体的边界在哪？
1. 工作流是开发者预先定义路径，模型在固定节点里填内容，智能体是模型自己决定路径和步数。
2. 判断标准看控制权，流程走向由代码定的就是工作流，由模型动态决定的就是智能体。
3. 工作流的可预测性和成本低，适合步骤已知、结果可验收的结构化任务。
4. 智能体的灵活性高、覆盖开放任务，代价是成本不可控和结果方差大。
5. 二者不是对立而是光谱，实际系统大多在中间，固定骨架里嵌几段自主决策，或智能体里锁几步死流程。
6. 经验法则是能预测的就写成工作流，真有开放性才放智能体，别为简单任务上重武器。
7. 面试加分点：能说出"智能体是用来买灵活性的，每次用都在付成本和方差"这个本质判断。

2. 常见的编排模式有哪几种？
1. 提示链模式把任务切成串行的固定步骤，每步一个模型调用，前一步输出是后一步输入。
2. 路由模式先分类再分发，一个轻量判断把请求导向最合适的专门处理分支。
3. 并行化模式把独立子任务同时发起，或一题多解再择优，用并发换延迟和质量。
4. 编排者加执行者模式，中央模型动态拆任务派发给执行模型，适合子任务无法预知的场景。
5. 评估优化模式让生成和评审两个角色循环迭代，直到产出过审，适合有明确质量标准的任务。
6. 面试答法要点出共性：所有模式都是在控制流和灵活性之间做不同点的取舍。
7. 加分点：真实系统是模式的组合，比如路由进入分支、分支内部是链、链中一段用并行。

3. 提示链模式的适用场景和短板？
1. 适用场景是任务能稳定分解，每步的输入输出格式都可预期，比如生成文案先大纲再正文再润色。
2. 链式的好处是每步简单可控，单步可以独立调优、独立缓存、独立换模型。
3. 中间结果可以设检查点，某步质量不达标就提前终止或重试，避免垃圾进垃圾出。
4. 短板一是误差累积，前面一步的偏差会在后面被放大，链条越长越脆。
5. 短板二是延迟线性叠加，五步链的耗时是五次调用之和，实时场景很吃亏。
6. 短板三是僵化，任务形态一旦变化，链条要重写，弹性远不如智能体。
7. 面试加分点：给一条优化经验，链中每步的输出做结构化约定，出错时能精确定位是哪一环断了。

4. 路由模式怎么设计才准？
1. 路由的本质是分类，分类标签体系要先行，类别互斥、覆盖完整、数量克制，超过十类就该分层。
2. 路由器可以用轻量模型甚至规则加小分类器，又快又便宜，别用旗舰模型干分类的活。
3. 分类依据写进路由提示，给出每类的判定标准和边界示例，模糊地带的处理规则要显式定义。
4. 拿不准的路由要有兜底分支，宁可转人工或通用通道，也别硬塞给错的专门分支。
5. 路由错误要持续监控，统计误路由率并抽样人工复核，路由准度决定整个系统的上限。
6. 路由可以级联，先粗分大类再用细分类器二次分发，每层类别数少，准确率更高。
7. 面试加分点：路由设计里最值钱的是兜底逻辑，面试官想听的是你怎么处理那百分之几的模糊请求。

5. 并行化和编排者加执行者模式怎么用？
1. 并行化分两种，切分式把独立子任务并发，投票式让多个模型答同一题再综合，各有用途。
2. 切分式的前提是子任务真正独立，有共享状态的并发会互相踩踏，先做依赖分析。
3. 投票式适合高价值低容错的判断，多份独立答案取多数或交裁判综合，显著降方差。
4. 编排者加执行者适合任务结构无法预先知道的情况，中央模型边看边拆，动态派发。
5. 编排者模式的关键设计是任务交接的接口约定，执行者的产出格式固定，编排者才能稳定汇总。
6. 并行的隐藏成本是汇合点，所有分支的结果要统一格式再合并，汇合逻辑复杂度常被低估。
7. 面试加分点：能说清并行化的适用判据，子任务独立且汇合简单就并行，强依赖强耦合就老老实实串行。

6. 评估优化循环模式适合什么任务？
1. 核心结构是生成器产出、评审器打分、不过关就带评审意见重做，循环到达标或到上限。
2. 适合有明确可判标准的任务，翻译质量、文案合规、代码能否通过测试，标准越清晰循环越有效。
3. 评审可以是独立模型、规则引擎、外部工具如测试套件，工具化的客观判据最可靠。
4. 评审意见要可执行，指出哪里不合格、往哪个方向改，笼统的"不够好"只会让重写随机化。
5. 循环必须带上限和预算，没有熔断的优化循环就是烧钱永动机，三轮五轮是常见设定。
6. 防止原地打转，连续两轮评审意见雷同就升级处理，换评审标准或转人工。
7. 面试加分点：这个模式是质量杠杆最大的一类编排，但前提是评审器本身够准，先验证评审再上循环。

7. 状态机式的编排怎么落地？
1. 把任务建模成显式状态集合，每个状态定义进入条件、处理动作和转移规则，流程一目了然。
2. 状态机的价值是可控和可恢复，当前状态落盘后，进程崩了重启能从状态点继续。
3. 每个状态内可以放模型调用、工具执行或人工审批，异构步骤统一在状态框架里管理。
4. 转移条件尽量写成可判定的规则，模型输出做结构化提取后判定，别用自然语言条件。
5. 非法转移要显式拒绝，收到不符合当前状态的动作就打回，这是行为护栏。
6. 状态机的状态爆炸是主要风险，状态加转移的组合失控时，说明该考虑分层或换图式编排。
7. 面试加分点：状态机和图框架如 LangGraph 是同源思想，能对比说明两者关系显得有体系。

8. 编排层怎么处理失败和重试？
1. 失败处理要分层设计，节点内重试、节点间降级、全局熔断，三层各有触发条件和上限。
2. 重试策略带退避和抖动，区分可重试错误和不可重试错误，参数错误重试没有意义。
3. 降级路径要预先定义，主模型不可用切备用模型，复杂处理不可用退到简化流程。
4. 检查点机制保进度，每个节点完成后存档，失败重跑从检查点续，不从头再来。
5. 死信处理要闭环，重试耗尽的任务进死信队列，有人工处理出口和原因归档。
6. 失败率是编排健康度的核心指标，按节点统计失败分布，热点节点的失败会拖垮全局。
7. 面试加分点：强调编排层的失败设计决定了系统的下限，模型能力的上限是锦上添花，失败处理是雪中送炭。

9. 工作流的版本管理和灰度怎么做？
1. 工作流定义要当配置资产管，版本化存储、变更留痕、可回滚，改流程不能是改代码顺手的事。
2. 每个版本的元数据齐全，适用任务类型、预期指标、上线时间，出问题能快速圈定影响面。
3. 灰度按流量比例放量，新旧版本并行跑，对比成功率、成本、延迟三指标再决定全量。
4. 灰度期间做影子对比更稳，新版本只跑不发结果，和旧版结果对比通过后再真正放量。
5. 提示词版本和流程版本要绑定管理，流程改了但提示词没对齐版本，排查问题时会精神分裂。
6. 回滚预案要演练，一键回滚的能力平时不测，出事时必然掉链子。
7. 面试加分点：工作流版本管理反映团队工程成熟度，能讲出具体灰度和回滚机制的候选人极受欢迎。

10. 什么时候从工作流升级到智能体，什么时候反向降级？
1. 升级信号是流程穷举不了，任务分支越来越多、每种新情况都要加节点，说明该让模型自己规划了。
2. 第二个升级信号是维护成本爆炸，工作流改版频率超过一周一次，规则系统的边际成本已经失控。
3. 第三个信号是任务的开放性本质暴露，输入形态千奇百怪，预定义路径覆盖不住长尾。
4. 降级信号正相反，智能体的轨迹高度稳定，八成任务都走同样几步，说明灵活性白买了。
5. 智能体成本或方差超出业务容忍时也该降级，把高频路径固化成工作流，边缘情况留给智能体。
6. 实践中最健康的是混合架构，固定流程做主干，关键决策点嵌自主智能体，两头的好处都拿。
7. 面试加分点：升降级决策用数据说话，拿轨迹分析报告证明该升还是该降，比凭感觉有说服力得多。

11. 编排设计最常见的坑？
1. 坑一过度编排，把能一句话解决的任务搭成五级流水线，复杂度税交给用户交。
2. 坑二没有检查点，跑到八成失败，全部推倒重来，成本和体验双输。
3. 坑三错误静默传递，上游失败下游继续，最后产出一个看似完整实则错误的结果。
4. 坑四提示词和流程脱节管理，各自版本各自改，联调时才发现对不上。
5. 坑五忽视汇合复杂度，并行很爽合并很难，汇合逻辑成为全系统最难测的角落。
6. 坑六一次性架构，编排设计没留扩展点，业务一变就得推倒重写。
7. 面试收尾观点：编排的本质是控制复杂度的分配，把复杂性放在开发者写好的流程里，还是放在模型的运行时决策里，这个分配决定了系统的成本、可靠性和可维护性。