知识点思维导图
50 个知识节点
参考资料
mindmap
root((AI 应用岗位能力))
工程基础
Python / API / 数据库
测试 / 部署 / 可观测
RAG
数据与检索
权限与评测
Agent
Tool / Workflow
状态 / Checkpoint
Multi-Agent
拆分 / 通信
预算 / 验收
面试表达
结论
链路
指标与故障案例
面试题（18） - Multi-Agent 与岗位准备（第 161～170 题）
读完后，你应能：
- 能验证“最后一组把协作架构和面试表达放在一起：既要能设计系统，也要能用证据说明自己真正做过什么”，并保存输入、输出与失败样本。
- 能验证“答案： Multi-Agent 是把目标拆给拥有不同上下文、工具或权限的执行单元，通过协议汇总结果”，并保存输入、输出与失败样本。
- 能验证“价值来自并行、专业化和上下文隔离，不来自“多开几个模型””，并保存输入、输出与失败样本。
最后一组把协作架构和面试表达放在一起：既要能设计系统，也要能用证据说明自己真正做过什么。
一、先建立全局：Multi-Agent 与岗位准备（第 161～170 题） 是什么？
理解“Multi-Agent 与岗位准备（第 161～170 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。
“Multi-Agent 与岗位准备（第 161～170 题）”的第一个核心判断是：答案： Multi-Agent 是把目标拆给拥有不同上下文、工具或权限的执行单元，。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161题：怎样理解多智能体协作？ | 答案： Multi-Agent 是把目标拆给拥有不同上下文、工具或权限的执行单元， |
| 2 | 第162题：Multi-Agent 动态派生怎样设计？ | 派生请求包含目标、输入快照、允许工具、预算、截止时间和验收器。 |
| 3 | 第163题：多个 Agent 在真实业务中怎样通信？ | 答案： 同进程可通过带版本的共享 State 与事件队列通信， |
| 4 | 第164题：什么场景适合 Multi-Agent？ | 答案： 适合可清晰拆分、子任务上下文相对独立、能并行或需要权限隔离， |
| 5 | 第165题：如何客观比较 Codex 和 Claude Code？ | 再看任务成功率、有效补丁率、测试通过率、人工纠正次数、运行时间、成本、上下文管理、工具/MCP、隔离与团队流程。 |
| 6 | 第166题：被问“用过哪些 Agent 框架”时，怎样证明深度？ | 答案： 用“场景—选型—实现—指标—事故”回答：任务为何需要框架， |
1.1 核心对象之间怎样衔接
flowchart LR
S1["第161题：怎样理解多智能体协作？"] --> S2
S2["第162题：Multi-Agent 动态派生怎样设计？"] --> S3
S3["第163题：多个 Agent 在真实业务中怎样通信？"] --> S4
S4["第164题：什么场景适合 Multi-Agent？"] --> S5
S5["第165题：如何客观比较 Codex 和 Claude Code？"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“Multi-Agent 与岗位准备（第 161～170 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“Multi-Agent 与岗位准备（第 161～170 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161题：怎样理解多智能体协作？
答案： Multi-Agent 是把目标拆给拥有不同上下文、工具或权限的执行单元， 通过协议汇总结果。 价值来自并行、专业化和上下文隔离，不来自“多开几个模型”。 必须明确任务所有者、共享状态、消息格式、冲突裁决、预算和终止条件。 若任务高度串行或状态强耦合，单 Agent 加确定性工具通常更稳。
三、第162题：Multi-Agent 动态派生怎样设计？
答案： Supervisor 根据任务图和能力目录创建临时子任务， 派生请求包含目标、输入快照、允许工具、预算、截止时间和验收器。 子 Agent 只能返回结构化结果与证据，不能任意修改全局状态； Supervisor 根据完成度继续派生或停止。 设置最大深度、总并发和总成本，避免递归扩散。
四、第163题：多个 Agent 在真实业务中怎样通信？
答案： 同进程可通过带版本的共享 State 与事件队列通信， 跨服务通常使用消息总线或任务表。 消息至少包含 Task ID、发送者、接收者、类型、幂等键、Payload Schema、因果/父事件和时间。 大文件存对象存储，只在消息里传引用。 需要 At-least-once 时消费者必须幂等，并对超时、重复、乱序和死信做处理。
五、第164题：什么场景适合 Multi-Agent？
答案： 适合可清晰拆分、子任务上下文相对独立、能并行或需要权限隔离， 并且结果可自动验收的任务， 如研究资料并行收集、代码实现与独立审查。 不要用于简单问答、严格串行步骤、共享状态频繁冲突或没有验收标准的任务。 选型应以单 Agent 基线为对照，证明成功率或耗时收益覆盖额外 Token 和协调成本。
六、第165题：如何客观比较 Codex 和 Claude Code？
答案： 先按同一仓库、任务、权限和验收脚本做受控对比， 再看任务成功率、有效补丁率、测试通过率、人工纠正次数、运行时间、成本、上下文管理、工具/MCP、隔离与团队流程。 不要用一次主观体验下结论，也不要把模型能力和产品 Harness 混为一谈。 产品能力变化快，面试中说明比较日期和版本，并引用双方官方文档。
七、第166题：被问“用过哪些 Agent 框架”时，怎样证明深度？
答案： 用“场景—选型—实现—指标—事故”回答：任务为何需要框架， 状态和工具如何建模， 如何持久化与观测， 上线指标怎样， 遇到什么失败并如何修复。 例如能讲清 Reducer 冲突、Checkpoint 迁移或工具幂等， 比列出 LangChain、LangGraph、AutoGen 等名字更可信。
八、第167题：非名校背景如何证明自己适合 AI 应用开发？
答案： 用可复现项目替代泛泛证书：仓库包含架构说明、最小可运行代码、评测集、Trace、故障案例和成本数据； 能现场解释离线建库、在线检索、权限、降级与测试。 再持续贡献文档、Issue 或开源修复。 学历是筛选因素之一，但工程证据、基础知识和问题复盘更能降低面试官的不确定性。
九、第168题：两个月准备 AI 应用开发岗位，怎样安排？
答案： 前两周补 Python、HTTP、异步、SQL/Redis/ES 和 LLM API； 第 3～4 周做可评测 RAG； 第 5～6 周做带 Tool、状态、Checkpoint 和安全边界的 Agent； 第 7 周补部署、Trace、评测与压测； 第 8 周整理简历、故障复盘并模拟系统设计。 目标不是覆盖所有框架，而是完成一个能运行、能测、能解释取舍的纵深项目。
十、第169题：AI 应用开发的长期学习路线怎样规划？
答案： 依次掌握工程基础、模型调用与 Prompt、Embedding/RAG、Tool/Workflow、状态化 Agent、评测可观测、安全与生产部署。 每层都用一个小项目验证，并记录输入输出、指标和失败案例。 模型训练原理学到能解释能力边界即可，除非岗位明确需要算法训练； 应用岗更看重数据链路、系统设计和交付质量。
十一、第170题：怎样高效准备“大厂 Agent/RAG 题集”？
答案： 不按公司和年份重复背题， 先把题归入模型、RAG、Agent、评测、生产五条主线， 再为每题准备 30 秒结论、3 分钟链路和一个项目证据。 对带错误前提的问题先纠正假设，对系统设计题主动覆盖权限、数据一致性、指标、降级与成本。 最后用录音或白板演练，检查能否被连续追问三层。
十二、动手验证：先跑通 Multi-Agent 与岗位准备（第 161～170 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“Multi-Agent 与岗位准备（第 161～170 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。
12.1 基线与候选只允许一个变量不同
验证“Multi-Agent 与岗位准备（第 161～170 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“Multi-Agent 与岗位准备（第 161～170 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 |
12.2 执行前先排除不可比较条件
“Multi-Agent 与岗位准备（第 161～170 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“Multi-Agent 与岗位准备（第 161～170 题）”的当前环境重复运行。
- 候选只改变一个与“Multi-Agent 与岗位准备（第 161～170 题）”结论直接相关的条件。
- “Multi-Agent 与岗位准备（第 161～170 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。
- “Multi-Agent 与岗位准备（第 161～170 题）”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
12.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“Multi-Agent 与岗位准备（第 161～170 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 |
“Multi-Agent 与岗位准备（第 161～170 题）”的一次合格基线对照按以下顺序执行：
- 保存“Multi-Agent 与岗位准备（第 161～170 题）”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“Multi-Agent 与岗位准备（第 161～170 题）”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“Multi-Agent 与岗位准备（第 161～170 题）”：回放决策到执行链路，覆盖失败、重试、暂停和恢复。
- 为“Multi-Agent 与岗位准备（第 161～170 题）”保存：模型提议、校验、授权、幂等键、状态迁移、Trace。
- 使用“Multi-Agent 与岗位准备（第 161～170 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。
- 如果“Multi-Agent 与岗位准备（第 161～170 题）”未通过，不修改第二个变量，先恢复基线并保留失败现场。
十三、用一张矩阵验证 Multi-Agent 与岗位准备（第 161～170 题） 的关键结论
矩阵按正文顺序列出“Multi-Agent 与岗位准备（第 161～170 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161题：怎样理解多智能体协作？ | 答案： Multi-Agent 是把目标拆给拥有不同上下文、工具或权限的执行单元， | 只改变与“第161题：怎样理解多智能体协作？”相关的条件 | 模型提议、校验、授权、幂等键、状态迁移、Trace |
| 第162题：Multi-Agent 动态派生怎样设计？ | 派生请求包含目标、输入快照、允许工具、预算、截止时间和验收器。 | 只改变与“第162题：Multi-Agent 动态派生怎样设计？”相关的条件 | 模型提议、校验、授权、幂等键、状态迁移、Trace |
| 第163题：多个 Agent 在真实业务中怎样通信？ | 答案： 同进程可通过带版本的共享 State 与事件队列通信， | 只改变与“第163题：多个 Agent 在真实业务中怎样通信？”相关的条件 | 模型提议、校验、授权、幂等键、状态迁移、Trace |
| 第164题：什么场景适合 Multi-Agent？ | 答案： 适合可清晰拆分、子任务上下文相对独立、能并行或需要权限隔离， | 只改变与“第164题：什么场景适合 Multi-Agent？”相关的条件 | 模型提议、校验、授权、幂等键、状态迁移、Trace |
| 第165题：如何客观比较 Codex 和 Claude Code？ | 再看任务成功率、有效补丁率、测试通过率、人工纠正次数、运行时间、成本、上下文管理、工具/MCP、隔离与团队流程。 | 只改变与“第165题：如何客观比较 Codex 和 Claude Code？”相关的条件 | 模型提议、校验、授权、幂等键、状态迁移、Trace |
| 第166题：被问“用过哪些 Agent 框架”时，怎样证明深度？ | 答案： 用“场景—选型—实现—指标—事故”回答：任务为何需要框架， | 只改变与“第166题：被问“用过哪些 Agent 框架”时，怎样证明深度？”相关的条件 | 模型提议、校验、授权、幂等键、状态迁移、Trace |
13.1 记录本次实际实验
下面的记录用于“Multi-Agent 与岗位准备（第 161～170 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: "Multi-Agent 与岗位准备（第 161～170 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
13.2 边界实验必须证明能够停止和恢复
成功路径只能证明“Multi-Agent 与岗位准备（第 161～170 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“Multi-Agent 与岗位准备（第 161～170 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。
“Multi-Agent 与岗位准备（第 161～170 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”。
十四、Multi-Agent 与岗位准备（第 161～170 题） 的结果解释
解释“Multi-Agent 与岗位准备（第 161～170 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 |
“Multi-Agent 与岗位准备（第 161～170 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“Multi-Agent 与岗位准备（第 161～170 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。
“Multi-Agent 与岗位准备（第 161～170 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。
十五、Multi-Agent 与岗位准备（第 161～170 题） 的发布判断
发布判断需要把“Multi-Agent 与岗位准备（第 161～170 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。
- “Multi-Agent 与岗位准备（第 161～170 题）”的基线与候选只存在一个计划内变量。
- “Multi-Agent 与岗位准备（第 161～170 题）”的输入、代码、依赖、配置和数据版本可以追溯。
- “Multi-Agent 与岗位准备（第 161～170 题）”的正常、临界、失败和恢复样本使用同一套断言。
- “Multi-Agent 与岗位准备（第 161～170 题）”的原始输出、中间状态和失败现场已经保留。
- “Multi-Agent 与岗位准备（第 161～170 题）”的日志、Trace、截图和测试数据已经脱敏。
- “Multi-Agent 与岗位准备（第 161～170 题）”的停止条件、负责人和回滚入口已经演练。
- “Multi-Agent 与岗位准备（第 161～170 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“Multi-Agent 与岗位准备（第 161～170 题）”的判断，就不能发布。
十六、总结
- 第161题：怎样理解多智能体协作？：答案： Multi-Agent 是把目标拆给拥有不同上下文、工具或权限的执行单元，通过协议汇总结果。
- 第162题：Multi-Agent 动态派生怎样设计？：答案： Supervisor 根据任务图和能力目录创建临时子任务，派生请求包含目标、输入快照、允许工具、预算、截止时间和验收器。
- 第163题：多个 Agent 在真实业务中怎样通信？：答案： 同进程可通过带版本的共享 State 与事件队列通信，跨服务通常使用消息总线或任务表。
- 第164题：什么场景适合 Multi-Agent？：答案： 适合可清晰拆分、子任务上下文相对独立、能并行或需要权限隔离，并且结果可自动验收的任务，如研究资料并行收集、代码实现与独立审查。
- 第165题：如何客观比较 Codex 和 Claude Code？：答案： 先按同一仓库、任务、权限和验收脚本做受控对比，再看任务成功率、有效补丁率、测试通过率、人工纠正次数、运行时间、成本、上下文管理、工具/MCP、隔离与团队流程。
- 第166题：被问“用过哪些 Agent 框架”时，怎样证明深度？：答案： 用“场景—选型—实现—指标—事故”回答：任务为何需要框架，状态和工具如何建模，如何持久化与观测，上线指标怎样，遇到什么失败并如何修复。
学完自测
选择所有正确答案；提交后逐项核对判断依据。