怎么考「什么是 Agent？和 workflow、和「调用一次大模型」的本质区别？」

一条链中间有个 if-else 分支，分支条件是让 LLM 判断的——这算 Agent 吗？

期望

不算。LLM 参与判断 ≠ 模型持有控制权——分支候选集合是人预先闭合的，模型只是在既定选项里选一个，本质是个分类器。真正的分辨点是：模型能不能产生你没预设过的动作序列？能不能自己决定「再来一轮」？加一句实践判断：这类「LLM 做路由的 workflow」往往就是生产最优解，可测、可复现、成本恒定，别为了名分改造它。

信号

能落到「候选集合是否闭合」「能否自决再来一轮」的，是自己想过；答「用了 LLM 就算 Agent」或者拿框架名当判据（「用了 AgentExecutor 就是」）的，只读过教程。

Agent 的循环靠什么终止？只靠模型说「我答完了」够吗？

期望

正常终止是模型返回不带工具调用的最终答案，但代码侧必须有兜底：max_steps、时间预算、费用预算、重复动作检测（连续 N 次同工具同参数即中断）、工具连续失败熔断。死循环的典型形态是模型反复换措辞调同一个检索工具、两个工具互相等对方结果、工具报错文案不可操作导致无限重试。关键区分「中断」和「降级」：超限之后要有出口——回落固定管线、转人工、或返回「已得信息 + 未完成项」。

信号

说得出三种以上兜底并且区分中断与降级的，做过线上；只会答 max_iterations、追问「超限之后呢」回答「就报错」的，停在 demo。

你说 harness 决定一半能力，那 harness 里具体装了什么？挑两样说说你调过的。

期望

能列出组成——工具集与 schema 描述、上下文组装与压缩策略、工具结果的裁剪与回灌格式、错误消息设计、终止与重试、权限与人工确认、trace 与评测。然后挑两样讲改动前后的可量化差别：比如把工具报错从异常堆栈改成「参数 date 需 YYYY-MM-DD，你传的是『上周』」之后自愈率的变化；或者把工具从 20 个收敛到 8 个之后选择准确率的变化。加分项是承认反向代价：harness 越厚越贴当前模型，模型换代要拆一遍。

信号

举的是具体改动 + 观察到的指标变化（哪怕只是几十条样本的粗糙对比）的，是真调过；把 harness 说成「就是提示词」或只会复述那句口号的，是看过文章。

业务方问「这功能到底多久出结果、一次多少钱」，你怎么答？

期望

承认 Agent 步数是长尾分布，不能报平均值，要报 P50/P95 和上限——因为有 max_steps 和预算熔断，上限是可以承诺的。解释成本非线性：每一轮都要重发完整上下文，工具结果一旦进上下文就在后续每轮复利计费，所以「多两步」不等于多两步的钱。最终把不确定性转成「有上界的承诺」：设预算上限 + 超限降级路径。

信号

主动给上界并解释上下文累计计费的，算过账；报个平均值交差、或者答「这个说不准」的，没做过成本治理。

现在有条跑得挺稳的 workflow，产品经理要求「改造成 Agent，对外讲的时候更先进」。你怎么办？

期望

先别站队，先统一价值口径——现在的 badcase 长什么样？是「路径没覆盖到」（这类 Agent 化有收益）还是「某一步答得差」（改模型/改提示词就够了）。用 badcase 分类代替观点辩论。给量化条件：如果「需要预设外路径」的 badcase 占比很低（个位数百分比量级），Agent 化的收益抵不过成本方差和评测成本。给折中方案：外层保留 workflow 守住 SLA、审计和可复现，把 badcase 集中的那一步做成受限 agentic（工具白名单 + max_steps=3 + 超时回落固定路径），先小流量 A/B。对「要讲故事」的真实诉求也给出路：对外可以讲自治能力，但内部要有成功率、成本、时延三条线的对比数据，避免上线后被自己的 demo 反噬。底线一句话：不拒绝需求，拒绝的是没有评测就全量替换。

信号

先归因 badcase 再给方案、给出可回滚的小步走路径、并且照顾到业务方真实诉求的，是有协作经验的工程师；两种极端都扣分——直接顶回去说「这是伪需求」，或者立刻答应全量改造却说不出改完怎么证明更好。