一上午面试了六个 Agent 开发，全是半吊子（面试官视角）

上午面了六个 Agent 应用开发岗，简历清一色写得很满：LangGraph、CrewAI、MCP、RAG、记忆系统，关键词基本全覆盖。但问到落地细节，大部分撑不过三轮追问。

第一层 · 工具调用稳定性

模型调工具报错、参数不符合 schema、下游服务超时，代码层面怎么做异常处理？

多数回答停留在"try-except 捕获一下"，明显只跑通过正常路径，没有在真实业务里处理过失败场景。

第二层 · 逻辑链条

继续追问：模型是直接调 API，还是先走记忆检索？工具返回结果做不做格式校验？

到这一步，很多人的回答已经开始缺乏逻辑链条。

第三层 · 记忆系统

简历上写"精通记忆系统"的，一问上下文管理就暴露了。用户对话到第二十轮，Agent 丢失了最早的关键信息，排查路径是什么？是没做记忆分层？长期记忆召回策略有问题？还是上下文窗口被塞爆了？

如果答不出记忆分层、上下文压缩、关键信息优先召回这些机制，说明只是在调接口层面打转，没有处理过多轮对话的信息损耗问题。

真正落地过的人会讲：

• 超时重试采用指数退避策略
• 工具返回结果做 schema 校验
• 异常链路降级到人工兜底或默认返回值

这些不是看文档能记住的，是线上故障倒逼出来的。

• 大模型本身具有不确定性，Agent 行为跑偏怎么兜底？
• 死循环场景下，模型反复调用同一个工具无法退出，是放任 Token 持续消耗，还是设置最大步数强制终止？
• 内容安全层面，回复包含违规内容有没有审核校验？
• 成本控制层面，多轮对话 Token 增长有没有做缓存和上下文裁剪？

一套完整的方案至少应覆盖：日志重放机制、关键节点断言、Bad Case 闭环复盘。

还有人写"做过工作流编排"，追问是：为什么选状态机而不是线性 Chain？分支执行失败怎么回滚？

真正上线过的人会讲节点级可重试设计、分支判定逻辑、防止单点故障拖垮整条链路。