面经策

（OpenClaw 前置知识）什么是 AI Agent？它和直接调用大模型 API 做一次问答有什么本质区别？ ​

  • 标签：AI、OpenClaw、大模型应用开发、AI 应用开发、Agent 开发

🏛 业务架构师 ​

AI Agent 与直接调用大模型 API 的本质区别，我用"员工 vs 顾问"来类比：

直接调 API 是"一次咨询"：你把问题给模型，它回你答案，交互即止。它没有主动权——不会去查实时数据、不会执行操作、不记得上次聊了什么。适合明确的单轮任务：翻译、摘要、写作。

Agent 是"派出去办事的员工"：给它目标而非步骤，它自主完成"理解任务→规划→调用工具→观察结果→迭代→交付"的闭环。三个本质差异：

  1. 自主性（决策权）：Agent 自己决定下一步做什么——查哪个系统、调什么工具、要不要重试。API 调用的流程 100% 由你的代码控制。
  2. 工具使用（行动力）：Agent 能操作真实世界——查数据库、调 API、发邮件、执行代码；API 只能输出文本。
  3. 状态与记忆（连续性）：Agent 维护任务状态和长期记忆，能处理跨步骤、跨会话的目标；单次 API 调用是无状态的。

业务含义：这个区别决定了成本结构——API 按次计费、结果可预期；Agent 按任务计费、步数不可预知、出错要兜底。所以我的业务分级：结果可验证、错误可容忍的任务才交给 Agent；确定性流程用"API+代码编排"更便宜更稳。Agent 不是高级版 API，是新的"数字劳动力"，要按管理员工的方式管理它（权限、KPI、审计）。

🏗 系统架构师 ​

AI Agent = 以 LLM 为决策核心、具备感知-规划-工具使用-记忆能力的自主任务系统；直接调 API 问答只是"一次函数调用"。本质区别我从架构角度列四条：

  • 控制流归属：API 问答的控制流在应用代码（一问一答，路径固定）；Agent 的控制流在模型（动态决定下一步），这是声明式到自主性的跃迁；
  • 状态：API 调用无状态（或只有会话历史）；Agent 有任务状态机、中间产物、长期记忆，需要持久化与恢复（checkpoint）——工程复杂度上一个量级；
  • 与世界的交互：API 只读输入生输出；Agent 能行动（调工具、执行代码、操作 UI），产生真实副作用——随之而来的是权限、沙箱、幂等、审计这一整套分布式系统的老问题；
  • 失败模型：API 失败是"答案不好"；Agent 失败是"做了错事"且会沿链放大。所以 Agent 必须配熔断、预算上限、人工闸门，可靠性靠工程兜底而不是模型自觉。

类比：API 问答像"查询接口"，Agent 像"一个能操作你系统的员工"。我给团队的判断标准：任务能否被预先写成固定流程？能 → 普通 API 编排；需要运行时判断路径 → Agent。别为了"智能"上 Agent，它的延迟（分钟级）、成本（单任务几十万 token）和风险都贵得多。

💻 全栈开发专家 ​

AI Agent 与单次 API 问答的本质区别就一句话：问答是「一问一答的无状态函数调用」，Agent 是「感知-决策-行动-观察的有状态循环」。

拆开说四个差异：

  1. 控制流归属：API 问答控制流在你手里（你决定调几次）；Agent 把控制流交给模型——它自己决定调什么工具、要不要再来一步，直到它认为任务完成；
  2. 状态：API 调用天生无状态；Agent 维护任务级状态（计划、已完成步骤、中间产物、记忆），跨步骤甚至跨会话延续；
  3. 与世界的交互：问答只产出文本；Agent 通过工具调用对真实世界产生副作用（查库、下单、发邮件），这也带来全新的风险面（权限、幂等、安全）；
  4. 终止条件：函数调用天然返回即结束；Agent 必须显式设计终止（目标达成/预算耗尽/人工中断），否则可能永续运行。
API 问答:  prompt → LLM → answer（一条直线）
Agent:     goal → LLM → action → observation → LLM → ... → answer（闭环）

工程含义（面试点睛）：正因为这个循环和副作用，Agent 生产化要补四件事：预算刹车、工具权限沙箱、全程审计、失败恢复。API 问答挂了重试就行，Agent 挂在第三步可能已经扣了两次款——「可恢复性」是 Agent 系统设计的核心词。