Agent 类项目拷打追问链
结构：三段（卡动机 → 要基线与过程 → 压今天还会不会这么做）+ 「是不是 workflow 硬叫 Agent」压力分支
第一段 · 卡动机
拷问 1这个任务为什么需要 Agent？用写死的流程做不到吗？
期望要点：判据是「路径是否确定」。合格的回答：任务的步骤数和顺序无法预先确定、需要根据中间结果决定下一步、失败后需要换策略重试。加分：主动说「其中八成的请求路径其实是确定的，那部分我们走的是写死流程，Agent 只吃剩下两成的长尾」。
判别信号：能说出「Agent 更慢、更贵、更不可预测，所以能不用就不用」的，是真掂量过；答「Agent 是趋势 / 更智能」的，进压力分支。
分叉：如果描述出来的流程步骤固定、分支有限 → 直接进压力分支：「你这个听起来每一步都是确定的，和 if/else 加几个工具的区别在哪？」这一问答不好，整个项目的可信度就塌了。
拷问 2当时的基线是什么？不上 Agent 能做到多少？
期望要点：与 P1 同理，必须有基线。Agent 项目的合理基线是「规则分类 + 写死 workflow」，要能说出它覆盖了多少比例、剩下哪部分覆盖不了。
判别信号：没有基线的 Agent 项目，通常是「先决定要做 Agent，再去找场景」，顺序反了。
第二段 · 要基线与过程
拷问 3工具是怎么设计的？描述和参数怎么写模型才选得准、填得对？
期望要点：能讲出具体的设计动作：工具描述写「什么时候该用、什么时候不该用」而不只是「做什么」；参数尽量用枚举而不是自由文本；工具失败时的返回要能指导下一步（返回「订单号格式错误，应为 18 位数字」远好于返回「查询失败」）。加分：提到工具数量多了之后模型会选错，解决办法是分组、按阶段暴露，或者做工具检索。
判别信号：能说出「工具返回的错误信息本身是给模型看的提示词」的，是真调过；只说「写清楚描述」的，浮在表面。
分叉：提到 MCP → 追它解决了函数调用的什么问题（接入形态的标准化）、接第三方服务的安全风险（工具投毒、越权、描述里藏指令）。
拷问 4循环的退出条件和死循环兜底怎么设计的？
期望要点：至少三条：最大轮次上限、无进展检测（连续几轮没有新信息或重复调用同一工具同一参数）、成本上限。加分：提到「工具结果默认是上下文的永久居民，成本按剩余轮次复利」，所以要削减或摘要工具结果。
判别信号：只说「设了最大轮次」的，是最低配；能说出「重复调用同参数要当作无进展」的，被死循环坑过。
拷问 5上下文放不下了怎么办？压缩的时候什么必须保真？
期望要点：能说清压缩策略（滑动窗口 / 摘要 / 重要性过滤）的取舍，以及压缩的两条硬要求：要少次大压（频繁小压会反复击穿缓存前缀），以及关键约束必须活在结构化状态里而不是对话历史里——用户说过的"不要退款只要换货"这类约束一旦被摘要吞掉，Agent 就会做出违背用户意图的动作。
判别信号：能说出「关键约束要放进结构化状态，不能指望摘要保住」的，吃过亏；只说「用摘要压缩」的，还没遇到过丢约束的事故。
拷问 6它会调用写操作吗？护栏放在哪几层？
期望要点：护栏不能只写在提示词里。合格的三层：① 权限层——Agent 拿到的凭证本身受限，它不该有超额度的操作权限；② 工具层的不变量断言——写在工具语义里的负向断言（金额不超过订单实付、状态机不得非法跳转、同一单十分钟内不得重复通知）；③ 分级自治——按不可逆程度决定自动执行 / 先确认 / 人工签字，而不是按置信度。加分：主动提幂等，因为重试、超时、用户重复提交都会导致重复执行。
判别信号：能把「权限层」和「工具层断言」分开的，理解纵深防御；能主动提幂等的，真做过写操作 Agent。
拷问 7这个 Agent 怎么评测的？只看最终结果会漏掉什么？
期望要点：三层收尾——用例层（真实任务回放，看结果）、指标层（成功率、轮次分布、成本、转人工率）、不变量层（跑对抗用例，断言「永远不会发生」的事，任何一条命中就阻断发布）。要能说出只看结果会漏三类：结果对了但过程危险（试过越权被断言拦下）、结果对了但成本失控（绕了十几轮）、结果错了但错得隐蔽（回了段合理模板，用户没追问就算解决）。
加分：说得出负向断言优于参考轨迹匹配——正确的路径有很多条，但不该发生的事是有限且明确的，拿标准轨迹去对比会把合理的替代路径判成错误。还要说得出评测层级下沉顺序：端到端 → 轨迹级 → 组件级，只在上一级掉分时下沉。
判别信号：这一问是 Agent 项目的主分水岭。能讲出不变量层的人，一定做过上线；只说「看任务成功率」的，停在 demo。
拷问 8成本怎么控的？每轮都调模型很贵。
期望要点：走成本三刀——先切输入侧/输出侧，Agent 的账通常压在输入侧（每轮重发前缀 + 工具结果堆积）。可操作的动作：削工具结果（复利效应最大）、保住前缀缓存（工具定义顺序要确定、静态前缀里别放时间戳、中途别改 effort 档位）、按任务类型分档降 effort（注意它同时会减少工具调用次数，可能导致返工）、把确定路径从 Agent 里摘出去。
判别信号：能说出「工具结果是上下文永久居民、成本按剩余轮次复利」的，算过账；只说「加缓存」的，没做过归因。
第三段 · 压「今天还会不会这么做」
拷问 9放到今天，这套还会这么做吗？
期望要点：能点到 2026 年的真实变化：推理模型已内化部分思维链，harness 变薄但不消失（该薄的是提示工程，不该薄的是权限、护栏、可观测）；答得浅要提 effort 档位而不是加提示词；工具接入形态趋于标准化；渐进式披露让「把所有说明塞进系统提示」成为反模式。同时要能说不变的部分：护栏、分级自治、不变量断言这些和模型能力无关，今天照做。
判别信号：能区分「变薄的部分」和「不变的部分」的，判断力好；全盘说「现在模型强了不需要那么多工程」的，是没上过线。
拷问 10你用了多 Agent 吗？如果用了，它比单 Agent 好在哪、贵在哪？
期望要点：多 Agent 的代价要说得出来：上下文不共享导致信息损失、token 大致按参与方线性叠加、调试难度指数上升（错在哪一步、谁的责任说不清）。合格的判据是：任务确实可以并行且子任务之间弱耦合，才值得多 Agent；只是「角色扮演式分工」（规划师、执行者、审查者）通常是负收益。
判别信号：说「多 Agent 更智能」的，没量过成本；能说「我们试过多 Agent，后来砍回单 Agent 加子任务」的，是真做过。
拷问 11这个项目最大的遗憾是什么？
期望要点：同 P1，考诚实度。Agent 项目常见的真实遗憾：不变量断言加晚了、可观测做晚了导致排障全靠猜、一开始把太多确定流程塞进了 Agent。
这份模板怎么用
三段结构总览
第一段 卡动机 ── 为什么需要 Agent 而不是 workflow？ → 挡「硬叫 Agent」 第二段 要基线与过程 ── 工具、循环、记忆、护栏、评测、成本 → 挡「跑通 demo 就写简历」 第三段 压今天 ── 换成今天你还会这么做吗？ → 挡「知识停在做项目那一年」
压力分支：「这是不是一个 workflow 硬叫 Agent？」
第一段触发这条分支时，按顺序压：
- 「你的流程一共有几个分支？分支条件是谁定的？」——分支有限且条件写死，就是 workflow。
- 「有没有出现过模型自己决定多调一次工具的情况？举个例子。」——举不出来，就是 workflow。
- 「如果我把模型换成一个只会填参数的分类器，你的系统还能跑吗？」——能跑，就是 workflow。
- 「那这样叫 workflow 有什么不好？」——这一问是给台阶的。能坦然说「其实它就是个 workflow，这样更稳更便宜，我们当时叫它 Agent 是为了立项」的候选人，诚实度加分，不应该扣分。继续硬撑说它是 Agent 的，才该扣分。
排障分支：固定住一个变量，把问题一分为二
固定「文档」 → 切开 检索侧 / 生成侧 （Agent 里的检索工具答非所问） 固定「输入」 → 切开 流量侧 / 系统侧 （金丝雀集，线上突然变差） 固定「模型段」 → 切开 模型侧 / 链路侧 （延迟变高） 固定「token 类别」 → 切开 输入侧 / 输出侧 （成本变高） 固定「变更集」 → 切开 变更侧 / 环境侧 （上线后出事故）
Agent 场景还要加一刀专属的：固定「轨迹」——把一条真实失败轨迹逐步回放，切开「工具选错」/「参数填错」/「结果理解错」，这三类的修法完全不同（分别改描述、改 schema、改结果格式）。
危险信号清单
出现下列任意两条，基本可以判定项目虚高：
- 说不出为什么不用 workflow
- 没有基线，直接就是 Agent 方案
- 循环只有最大轮次一条兜底
- 护栏全写在提示词里
- 有写操作但说不出幂等怎么做
- 评测只有任务成功率，没有轨迹层和不变量层
- 说不出单次任务的平均轮次和平均成本
- 用了多 Agent 但说不出它贵在哪
- 排障靠「重跑几次看看」，没有轨迹回放
判分档位
| 档位 | 画像 |
|---|---|
| 60 分 | 讲得清工具调用机制和循环结构，但没有基线、护栏只在提示词里、评测只看成功率。跑通过 demo。 |
| 75 分 | 有基线、有分级自治、有轨迹可观测，讲得出一次完整的失败定位。上过线。 |
| 90 分 | 上面全有，且：有不变量层作为发布闸门；说得出多 Agent 的代价并解释为什么用或不用；成本能按输入输出结构归因；被问「今天还会不会这么做」时能区分变薄的部分与不变的部分。做过，且知道边界在哪。 |