什么是 AI Agent？它和直接调用大模型有什么区别？

先这样答

直接调用大模型是一次函数调用：输入提示词，输出文本，结束。Agent 是在这外面套了一个循环：模型先看当前状态（任务目标、历史步骤、可用工具），决定下一个动作，可能是调工具、可能是写中间结论、也可能是宣布完成。系统执行动作后把结果喂回给模型，循环往复，直到目标达成或者触发终止条件。

所以 Agent 和普通调用的区别不在模型本身，而在三个外加的东西。一是工具：模型只能生成文字，工具让它能查库、发请求、写文件。二是循环：普通调用是单轮，Agent 是多轮自主推进，中间的每一步由模型自己决定，不是人写死的流程。三是状态：要有地方存放任务进度、历史动作和中间结果，供下一轮决策使用。

最后可以给面试官一句总结：普通调用回答问题，Agent 完成任务。回答问题靠模型能力，完成任务还要靠工程：工具设计、上下文管理、失败处理，这些都是 Agent 工程师真正的日常。

面试官会怎么追问

• 「自主」的边界在哪？要不需要人确认？ 按风险分级：低风险动作（查询类）自动执行，高风险动作（付款、删除、对外发送）必须人工确认，这是设计问题不是能力问题。
• Agent 一定会比直接调用效果好？ 不一定。任务边界清晰、流程固定的场景，写死的流程更稳更便宜；Agent 的价值在路径不确定、需要边做边看的任务。
• Agent 系统的核心组件有哪些？ 规划（决定下一步做什么）、记忆（状态与上下文）、工具（与世界交互）、外加一层护栏（权限、预算、终止条件）。

回答的坑

• 把 Agent 说成「更聪明的大模型」。区别在系统结构（工具 + 循环 + 状态），不在模型参数。
• 不提终止条件和护栏。没有边界的自主就是失控，面试官等你主动说这句话。