模型为什么每次回答不完全一样？Agent 为什么需要循环？RAG 已经检索到文档，为什么仍然可能答错？这些问题分别落在模型生成、任务执行、知识检索和应用治理几条链路上。

Agent 接到任务后，需要读取上下文、决定下一步动作、调用工具、观察结果，再判断继续、结束还是交给人工。AI Agent 面试题基本沿着这条执行链路展开，Memory、MCP、Skills、Harness 和 Workflow 都可以放回链路中理解。

题目按 JavaGuide AI Agent 专题的章节分组。每组都附有详细文章，这里只整理考点和问题，不重复展开答案。

Agent 基础

相关内容：《AI Agent 核心概念：Agent Loop、Plan-and-Execute、A2A、Agentic Workflows、Tools 注册》、《多 Agent 协作系统设计：任务拆分、状态共享、冲突处理与失败恢复》

接口返回 200，耗时也正常，智能客服给出的退款规则却是错的。

打开监控面板，只能看到这次请求调用过大模型，并且正常生成了回答。再往下查就麻烦了：是知识库没有召回正确资料，Prompt 拼错了，模型忽略了上下文，还是某个工具返回了旧数据？普通接口日志通常回答不了这些问题。

一次 AI 请求可能会经过问题改写、知识库检索、重排、模型调用、工具调用和结果校验。Agent 还可能重复执行其中几步。每一步看起来都调用成功，错误结果却会继续传给下一步，最后得到一段格式正常、内容有问题的回答。

排查时需要顺着这条执行过程往回找：当时用了哪个模型和 Prompt，检索到了哪些文档，调用了什么工具，Agent 重试了几次，最终回答参考了哪些结果。

假设一个售后 Agent 收到这样的任务：读取用户上传的工单，查询订单是否满足退款条件，符合条件就发起退款。

用 Claude Code/ Codex 写代码到一定阶段之后，很多人会遇到同一个问题。

问题通常不在模型能力上。

恰恰相反，是它太能干了。它能改文件、跑命令、查项目结构、生成脚本，也能一口气处理一串很长的任务。于是你会很自然地开始把更多动作交给它。

然后问题就来了：改完文件，它这次会不会忘了格式化？准备跑 Bash 命令时，它会不会不小心带上 rm -rf？它会不会顺手改到 .env、.git/ 或生产配置？它卡在权限弹窗时，我能不能不用一直盯着终端？......

你好，我是小 G。最近有 G 友问我一个问题：Claude Code 里的 Subagent、Fork、Agent Teams 到底是不是一回事？如果面试里被问到 Claude Code Multi-Agent 机制，应该如何回答？

这个问题我一开始也以为只是几个名字绕来绕去。真把官方文档、changelog 和社区源码分析放在一起看，才发现差别不小。

Claude Code 单 Agent 已经能干不少活，日常改代码、查问题、补测试，大部分时候都够用。

问题是，真实项目里的任务往往没那么干净。一个会话既要搜索、阅读、试错，又要最后产出修改，聊着聊着上下文就脏了。

不少读者反馈 Skills 在现在的面试中经常会碰到，于是在前面已经写过两篇的基础上，我又肝了一篇。

下面是正文。

还记得刚用 Claude Code 那会，我很容易把各种规则都往 CLAUDE.md 里塞。

代码风格，目录约定，测试命令，这些放进去没问题。可后来一些代码审查 checklist、PR 总结流程、UI 验收步骤，也开始往里面堆。

这时候问题就来了。

这些流程确实有用，但它们不是每一轮任务都要用。每次带上的话，会增加很多无用的信息，反而会干扰模型的判断。

这类内容就别继续塞进 CLAUDE.md 了。如果你总是在对话里复制同一段 instructions、checklist 或多步骤流程，或者 CLAUDE.md 的某一节已经像操作手册，就可以把它拆出来。

Agent 不是“会调用工具的聊天机器人”。一旦任务变长，它就要处理状态、记忆、权限、失败重试、上下文裁剪和执行边界。

我做 AgentInvest 多智能体股票分析系统时，把任务交给了四个角色。研究员先完成基础研究，技术分析师和舆情分析师并行补充，投资经理最后汇总。每个角色内部使用 ReAct 调用工具，外层流水线控制顺序、并发和失败条件。

角色跑起来以后，工程问题才真正出现。子任务拆到什么程度，两个 Worker 能不能同时写状态，一个分支超时后是否继续，都会直接影响最终结果。面试官追问多 Agent 项目时，通常也会沿着这些问题往下问。