参考资料

• LangGraph：Persistence
• LangSmith：Evaluation

stateDiagram-v2
    [*] --> Running
    Running --> Running: 步骤成功 / Checkpoint
    Running --> Retry: 可重试错误
    Retry --> Running
    Running --> Paused: 人工审批或外部等待
    Paused --> Running: 恢复并重新鉴权
    Running --> Failed: 不可恢复错误
    Running --> Completed: 验收器通过

面试题（17） - Agent 可靠性、评测与意图识别（第 151～160 题）

读完后，你应能：

• 能验证“可靠 Agent 的关键不是“模型更聪明”，而是边界可控、状态可恢复、结果可评测”，并保存输入、输出与失败样本。
• 能验证“答案： 把用户目标转成可检查的完成条件和阶段计划”，并保存输入、输出与失败样本。
• 能验证“每轮限制工具集合、最大步骤、Token、时间和成本”，并保存输入、输出与失败样本。

可靠 Agent 的关键不是“模型更聪明”，而是边界可控、状态可恢复、结果可评测。

一、先建立全局：Agent 可靠性、评测与意图识别（第 151～160 题） 是什么？

理解“Agent 可靠性、评测与意图识别（第 151～160 题）”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“Agent 可靠性、评测与意图识别（第 151～160 题）”的第一个核心判断是：状态记录已完成项、失败原因与剩余工作。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	第151题：Agent 跑长任务时怎样防止跑偏、绕路和死循环？	状态记录已完成项、失败原因与剩余工作。
2	第152题：多步任务执行到一半失败怎样处理？	答案： 每步定义输入、输出、幂等键和副作用，完成后持久化事件或 Checkpoint。
3	第153题：Agent 如何支持暂停、恢复和续跑？	暂停发生在明确边界，恢复前重新校验权限、外部资源和工具幂等状态。
4	第154题：怎样理解 Checkpoint 机制？	答案： Checkpoint 是某个执行时刻可恢复状态的不可变快照，不只是聊天记录。
5	第155题：怎样保证工具调用可靠？	读操作可有限重试，写操作必须带幂等键并先查后做。
6	第156题：如何量化一个 Agent 的性能？	答案： 核心是任务成功率和约束违规率，

1.1 核心对象之间怎样衔接

flowchart LR
  S1["第151题：Agent 跑长任务时怎样防止跑偏、绕路和死循环？"] --> S2
  S2["第152题：多步任务执行到一半失败怎样处理？"] --> S3
  S3["第153题：Agent 如何支持暂停、恢复和续跑？"] --> S4
  S4["第154题：怎样理解 Checkpoint 机制？"] --> S5
  S5["第155题：怎样保证工具调用可靠？"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“Agent 可靠性、评测与意图识别（第 151～160 题）”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“Agent 可靠性、评测与意图识别（第 151～160 题）”的对象和顺序已经明确后，再看可观察的失败：文本直通执行、状态不可重放或重试重复写入。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、第151题：Agent 跑长任务时怎样防止跑偏、绕路和死循环？

答案： 把用户目标转成可检查的完成条件和阶段计划； 每轮限制工具集合、最大步骤、Token、时间和成本； 状态记录已完成项、失败原因与剩余工作。 检测连续相同动作、无状态进展和重复错误，触发重规划、换工具或人工介入。 结束前执行独立验收命令，不能让模型仅凭自述判定完成。

三、第152题：多步任务执行到一半失败怎样处理？

答案： 每步定义输入、输出、幂等键和副作用，完成后持久化事件或 Checkpoint。 无副作用步骤可指数退避重试； 写操作先查询现状，避免重复执行； 跨系统事务用 Saga 补偿或人工处理，不能假设回滚一定成功。 恢复时从最后一个已确认状态继续，并把错误分类为可重试、需降级和需人工。

四、第153题：Agent 如何支持暂停、恢复和续跑？

答案： 将执行状态从进程内存移到持久化存储， 至少保存 Thread/Run ID、图节点、业务状态、消息、工具调用 ID、版本和等待原因。 暂停发生在明确边界，恢复前重新校验权限、外部资源和工具幂等状态。 模型、Prompt 或图版本变化时要迁移或固定旧版本， 避免旧 Checkpoint 在新逻辑下误执行。

五、第154题：怎样理解 Checkpoint 机制？

答案： Checkpoint 是某个执行时刻可恢复状态的不可变快照，不只是聊天记录。 它使故障恢复、人工审批、时间旅行调试和分支重跑成为可能。 快照应关联版本、父检查点和写入序号，并采用并发控制防止两个 Worker 覆盖。 敏感字段需加密和按租户隔离，保留周期也要符合删除要求。

六、第155题：怎样保证工具调用可靠？

答案： 调用前做工具白名单、Schema、权限、额度和业务前置条件校验； 调用中设置超时、取消、熔断和 Trace； 调用后校验返回类型、业务状态和副作用。 读操作可有限重试，写操作必须带幂等键并先查后做。 高风险工具采用预览、人工批准和最小权限凭证，工具输出按不可信输入处理。

七、第156题：如何量化一个 Agent 的性能？

答案： 核心是任务成功率和约束违规率， 再拆成步骤完成率、工具选择/参数正确率、平均步骤数、人工接管率、P50/P95、Token 与成本。 对开放任务使用基于验收器的结果评分，不要只让模型评价语言质量。 指标必须按任务类型、难度和版本分桶，否则总体均值会掩盖关键回归。

八、第157题：怎样从 0 到 1 建立 Agent 自动化评测体系？

答案： 从线上高频、失败和高风险案例构建小而可信的 Golden Set， 保存输入、环境夹具、期望结果和禁止行为； 为确定项写代码 Evaluator，为语义项制定 Rubric 并抽样人工校准。 CI 跑快速回归，候选版本跑全量和对照，线上做 Trace 抽样与反馈回流。 评测集要版本化并防止 Prompt 针对测试集过拟合。

九、第158题：智能体怎样做意图识别？

答案： 先定义互斥或可组合的意图 Taxonomy、槽位和兜底类别。 明显规则用关键词/正则或业务状态直接判断， 模糊语义用分类模型或 LLM Structured Output， 低置信度进入澄清。 多轮场景同时看当前输入与有效会话状态，但不能让旧意图覆盖用户最新指令。 输出需包含意图、置信度、槽位和证据。

十、第159题：怎样提升意图识别准确率？

答案： 先看混淆矩阵定位边界重叠、长尾或标注问题； 合并无法稳定区分的类别，补充困难负例和多表达样本。 对高频确定意图使用规则，对相似意图加入领域实体和上下文，再校准置信度与澄清阈值。 上线监控未知率、澄清率、误路由业务损失和类别漂移，而不只看离线 Accuracy。

十一、第160题：意图识别的“三层漏斗”怎样设计？

答案： 第一层用权限、渠道、命令和高精度规则快速截获确定请求； 第二层用轻量分类器召回候选意图； 第三层让能力更强的模型结合上下文判别、抽取槽位，仍不确定则澄清或转人工。 各层都输出理由和置信度，阈值按误路由成本设置。 漏斗价值是同时控制延迟、成本与精度，不是固定必须三种模型。

十二、可运行示例：可恢复的 LangGraph 状态机

# requirements.txt
langgraph>=1.0,<2.0

十三、动手验证：先跑通 Agent 可靠性、评测与意图识别（第 151～160 题），再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“Agent 可靠性、评测与意图识别（第 151～160 题）”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

13.1 基线与候选只允许一个变量不同

验证“Agent 可靠性、评测与意图识别（第 151～160 题）”时，先固定工具 Schema、身份、畸形参数、超时和重复请求。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“Agent 可靠性、评测与意图识别（第 151～160 题）”时，动作是：回放决策到执行链路，覆盖失败、重试、暂停和恢复。原始结果不能只保留截图或汇总分数，必须同步保存：模型提议、校验、授权、幂等键、状态迁移、Trace，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	工具 Schema、身份、畸形参数、超时和重复请求
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	模型提议、校验、授权、幂等键、状态迁移、Trace
通过阈值	模型只提议；执行受代码约束；失败不重复副作用
立即停止	文本直通执行、状态不可重放或重试重复写入

13.2 执行前先排除不可比较条件

“Agent 可靠性、评测与意图识别（第 151～160 题）”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“Agent 可靠性、评测与意图识别（第 151～160 题）”的当前环境重复运行。
• 候选只改变一个与“Agent 可靠性、评测与意图识别（第 151～160 题）”结论直接相关的条件。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

13.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“Agent 可靠性、评测与意图识别（第 151～160 题）”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	工具 Schema、身份、畸形参数、超时和重复请求
过程可回放	回放决策到执行链路，覆盖失败、重试、暂停和恢复
结果可审计	模型提议、校验、授权、幂等键、状态迁移、Trace

“Agent 可靠性、评测与意图识别（第 151～160 题）”的一次合格基线对照按以下顺序执行：

1. 保存“Agent 可靠性、评测与意图识别（第 151～160 题）”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“Agent 可靠性、评测与意图识别（第 151～160 题）”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“Agent 可靠性、评测与意图识别（第 151～160 题）”：回放决策到执行链路，覆盖失败、重试、暂停和恢复。
4. 为“Agent 可靠性、评测与意图识别（第 151～160 题）”保存：模型提议、校验、授权、幂等键、状态迁移、Trace。
5. 使用“Agent 可靠性、评测与意图识别（第 151～160 题）”预登记条件判断：模型只提议；执行受代码约束；失败不重复副作用。
6. 如果“Agent 可靠性、评测与意图识别（第 151～160 题）”未通过，不修改第二个变量，先恢复基线并保留失败现场。

十四、用一张矩阵验证 Agent 可靠性、评测与意图识别（第 151～160 题） 的关键结论

矩阵按正文顺序列出“Agent 可靠性、评测与意图识别（第 151～160 题）”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
第151题：Agent 跑长任务时怎样防止跑偏、绕路和死循环？	状态记录已完成项、失败原因与剩余工作。	只改变与“第151题：Agent 跑长任务时怎样防止跑偏、绕路和死循环？”相关的条件	模型提议、校验、授权、幂等键、状态迁移、Trace
第152题：多步任务执行到一半失败怎样处理？	答案： 每步定义输入、输出、幂等键和副作用，完成后持久化事件或 Checkpoint。	只改变与“第152题：多步任务执行到一半失败怎样处理？”相关的条件	模型提议、校验、授权、幂等键、状态迁移、Trace
第153题：Agent 如何支持暂停、恢复和续跑？	暂停发生在明确边界，恢复前重新校验权限、外部资源和工具幂等状态。	只改变与“第153题：Agent 如何支持暂停、恢复和续跑？”相关的条件	模型提议、校验、授权、幂等键、状态迁移、Trace
第154题：怎样理解 Checkpoint 机制？	答案： Checkpoint 是某个执行时刻可恢复状态的不可变快照，不只是聊天记录。	只改变与“第154题：怎样理解 Checkpoint 机制？”相关的条件	模型提议、校验、授权、幂等键、状态迁移、Trace
第155题：怎样保证工具调用可靠？	读操作可有限重试，写操作必须带幂等键并先查后做。	只改变与“第155题：怎样保证工具调用可靠？”相关的条件	模型提议、校验、授权、幂等键、状态迁移、Trace
第156题：如何量化一个 Agent 的性能？	答案： 核心是任务成功率和约束违规率，	只改变与“第156题：如何量化一个 Agent 的性能？”相关的条件	模型提议、校验、授权、幂等键、状态迁移、Trace

14.1 记录本次实际实验

下面的记录用于“Agent 可靠性、评测与意图识别（第 151～160 题）”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "Agent 可靠性、评测与意图识别（第 151～160 题）"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "回放决策到执行链路，覆盖失败、重试、暂停和恢复"
evidence: "模型提议、校验、授权、幂等键、状态迁移、Trace"
pass_when: "模型只提议；执行受代码约束；失败不重复副作用"
stop_when: "文本直通执行、状态不可重放或重试重复写入"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

14.2 边界实验必须证明能够停止和恢复

成功路径只能证明“Agent 可靠性、评测与意图识别（第 151～160 题）”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：文本直通执行、状态不可重放或重试重复写入，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	模型提议、校验、授权、幂等键、状态迁移、Trace	模型只提议；执行受代码约束；失败不重复副作用
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：文本直通执行、状态不可重放或重试重复写入	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：关闭副作用入口，恢复检查点，补充失败契约测试	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“Agent 可靠性、评测与意图识别（第 151～160 题）”，第一步是：关闭副作用入口，恢复检查点，补充失败契约测试。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“Agent 可靠性、评测与意图识别（第 151～160 题）”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

十五、Agent 可靠性、评测与意图识别（第 151～160 题） 的结果解释

解释“Agent 可靠性、评测与意图识别（第 151～160 题）”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	文本直通执行、状态不可重放或重试重复写入	先执行：关闭副作用入口，恢复检查点，补充失败契约测试
异常链路无法恢复	文本直通执行、状态不可重放或重试重复写入	先执行：关闭副作用入口，恢复检查点，补充失败契约测试
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“Agent 可靠性、评测与意图识别（第 151～160 题）”只有同时满足“模型只提议；执行受代码约束；失败不重复副作用”，并且没有出现“文本直通执行、状态不可重放或重试重复写入”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“Agent 可靠性、评测与意图识别（第 151～160 题）”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“Agent 可靠性、评测与意图识别（第 151～160 题）”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十六、Agent 可靠性、评测与意图识别（第 151～160 题） 的发布判断

发布判断需要把“Agent 可靠性、评测与意图识别（第 151～160 题）”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “Agent 可靠性、评测与意图识别（第 151～160 题）”的基线与候选只存在一个计划内变量。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”的输入、代码、依赖、配置和数据版本可以追溯。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”的正常、临界、失败和恢复样本使用同一套断言。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”的原始输出、中间状态和失败现场已经保留。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”的日志、Trace、截图和测试数据已经脱敏。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”的停止条件、负责人和回滚入口已经演练。
• “Agent 可靠性、评测与意图识别（第 151～160 题）”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“Agent 可靠性、评测与意图识别（第 151～160 题）”的判断，就不能发布。

十七、总结

• 第151题：Agent 跑长任务时怎样防止跑偏、绕路和死循环？：状态记录已完成项、失败原因与剩余工作。
• 第152题：多步任务执行到一半失败怎样处理？：答案： 每步定义输入、输出、幂等键和副作用，完成后持久化事件或 Checkpoint。
• 第153题：Agent 如何支持暂停、恢复和续跑？：暂停发生在明确边界，恢复前重新校验权限、外部资源和工具幂等状态。
• 第154题：怎样理解 Checkpoint 机制？：答案： Checkpoint 是某个执行时刻可恢复状态的不可变快照，不只是聊天记录。
• 第155题：怎样保证工具调用可靠？：读操作可有限重试，写操作必须带幂等键并先查后做。
• 第156题：如何量化一个 Agent 的性能？：答案： 核心是任务成功率和约束违规率，再拆成步骤完成率、工具选择/参数正确率、平均步骤数、人工接管率、P50/P95、Token 与成本。