今天面了个半吊子AI Agent，真的招笑
今天面了个AI Agent产品经理男生，简历写得特别丰富。结果一聊项目细节，全是技术名词，真正追问业务逻辑和落地方案，马上就开始含糊其辞。

问：Agent执行任务时，工具调用失败怎么办？
他答：重新调用一次，或者换个模型。
正解：先区分失败原因，是参数格式错误、接口超时、权限不足，还是工具本身不可用。针对不同问题设计参数校验、有限次重试、超时控制、异常分支和人工接管机制。涉及重复提交、资金操作等场景，还要考虑幂等性和权限校验，不能让Agent无限重试。

问：怎么判断一个Agent项目做得好不好？
他答：看回答准确率和用户满意度。
正解：Agent不能只看回答质量，还要评估任务完成率、工具调用成功率、端到端耗时、单次任务成本和人工接管率。比如一个企业报表Agent，即使回答内容正确，如果经常取错数据、执行中断，也不能算真正可用。评测要覆盖完整任务链路，而不只是单轮对话。

问：为什么你的Agent需要接入RAG？
他答：为了让模型获取更多知识，减少幻觉。
正解：要先明确Agent需要什么信息，以及这些信息是否需要实时更新、是否有权限限制。再根据文档质量、切分策略、召回效果、重排和引用溯源定位问题。如果涉及企业内部数据，还要考虑权限过滤和数据隔离。RAG不是接上就有效，必须通过真实问题集验证效果。

问：Agent的自主决策边界怎么设计？
他答：让大模型自己判断就行。
正解：要根据任务风险划定权限边界。低风险任务可以自动执行，高风险操作需要二次确认，超出能力范围时应主动拒绝或转人工。同时设置最大执行步数、预算限制和终止条件，避免Agent陷入循环调用。真正成熟的Agent，不是越自主越好，而是在可控范围内完成任务。

📚 AI Agent产品经理学习渠道
机器之心、量子位：了解Agent行业动态与应用趋势。
Hugging Face：熟悉模型生态和相关工具。
LangChain、LangGraph：理解Agent编排、状态管理和流程控制。
GitHub Trending：研究真实项目的实现思路。
Dify、Coze：练习Agent搭建、工具调用和工作流设计。

面试最怕的不是技术不够深，而是简历上写着熟悉Agent架构、精通工具调用，一问任务为什么失败、怎么恢复、效果怎么评估，就讲不出具体方案。

AI人工智能 ai产品经理实战 aiagent