多Agent协作系统面试与架构解析

时长:约 6 分 12 秒

摘要:视频以一场大厂算法面试场景引入,模拟了一个四 Agent 协作撰写市场分析报告时频繁出错的事故,引出多 Agent 系统的核心难点。随后分层拆解了多 Agent 协作的四大深层问题(信息不一致、任务依赖混乱、幻觉级联传染、链路雪崩)以及三层应对架构(共享状态+DAG 编排+结果校验、生产级熔断降级、全链路可观测与灰度评测),帮助学习者建立从”跑得动”到”跑得稳”的多 Agent 系统思维方式。


时间轴 · 画面与讲解

[00:00–00:10] 面试开场:还原线上事故

  • 场景:面试官给出一个多 Agent 协作失败的线上事故案例。
  • 四个 Agent 角色:
    • 规划 Agent:拆任务
    • 调研 Agent:查数据
    • 分析 Agent:做推理
    • 写作 Agent:出报告
  • 事故表现:报告内数据互相矛盾——调研 Agent 查到的市场规模是 500 亿,分析 Agent 算成了 800 亿,写作 Agent 最后写成了一两万亿,还重复生成了 3 版摘要。
  • 核心提问:这是 Agent 能力不行,还是协作架构有问题?

[00:10–00:20] 候选人第一反应:角色定义

  • 候选人愣了一下,认为是角色定义不够清晰,建议用 CrewAI 把每个 Agent 的 Role 和 Goal 写详细。
  • 面试官追问:角色写得再详细,4 个 Agent 仍各有各的上下文。调研 Agent 查到的数据,分析 Agent 根本没拿到,自己瞎编了一个——你告诉 Agent 之间怎么共享信息?

[00:20–00:50] Agent 信息共享的两难

  • 两难困境(图示:左右分支结构):
    • 全量上下文同步 → Token 爆炸(4 个 Agent 跑一轮,State 里塞了几万 token)
    • 只传结果 → 信息丢失
  • 候选人提到用 LangGraph 的状态图(State Graph)做节点共享 State。
  • 面试官追问:LangGraph 的 State 是全量传递的。

[00:50–01:10] 幻觉级联传染

  • 场景:调研 Agent 调用工具失败,返回空结果;分析 Agent 拿到空数据直接开始编造;写作 Agent 再把编造的数据写进报告。
  • 关键点:幻觉从这一层开始传染,下游全错。后面的 Agent 注意力被稀释,关键数据被淹没。
  • 追问:你怎么拦?

[01:10–01:20] 死锁问题

  • 任务 DAG 中两个 Agent 互相等对方的输出,直接死锁,整个链路卡住。
  • 追问:怎么解?

[01:20–01:30] 面试结束:面试挂掉

  • 候选人额头冒汗,说”回去再研究研究”。
  • 面试官合上笔记本。
  • 结论:两年大模型应用开发能把 CrewAI 跑通,不叫会做多 Agent。

[01:30–01:50] 核心观点抛出

  • 屏内文字:「多 Agent 的水比你想的深,Agent 越多不是越强,是越容易乱。」
  • 破局关键:先把信息共享和幻觉防控这两块啃透,再来面大厂。
  • 视频预告:整理了涵盖大模型基础、RAG、微调、Transformer、DeepSeek、Agent、项目方案面试题等的必考题库 PDF。

[01:50–03:00] 第一层:多 Agent 协作的四大深层死穴

每个死穴均有对应画面要点。

  1. 信息不一致与上下文孤岛

    • 每个 Agent 有独立的上下文窗口,调研 Agent 查到的关键数据,分析 Agent 根本看不到,只能自己脑补。
    • 全量同步上下文 → Token 爆炸、成本高;只传摘要 → 信息丢失。
    • 这是多 Agent 的物理矛盾,不是写好 Role 就能解决的。
  2. 任务依赖混乱与重复劳动

    • Agent 之间任务依赖关系复杂,规划 Agent 拆任务拆错了,两个 Agent 干同一件事,该干的事没人干。
    • DAG 依赖没定义清楚,A 等 B 的输出、B 等 A 的输入,直接死锁,整个链路卡住。
  3. 幻觉级联传染

    • 一个 Agent 输出错误信息(工具调用失败返回空、模型自己编数据、理解错任务),下游 Agent 当成事实继续推理。
    • 错误逐级放大,到最后报告里全是错的,你不知道是从哪个 Agent 开始错的。
  4. 失败恢复与链路雪崩

    • 一个 Agent 超时、工具调用失败、输出格式不对,整个协作链路就崩了。
    • 没有重试机制、没有降级策略、没有人工介入点,一次失败等于全部白干,前面几个 Agent 的 Token 全浪费了。

[03:00–05:10] 第二层:核心方案(共享状态 + DAG 编排 + 结果校验)

多 Agent 不是简单拉几个 Agent 聊天,而是共享状态空间 + DAG 任务编排 + 结果校验闭环的三层协作架构。

① 结构化共享状态 + 消息总线

  • 不用全量上下文同步,也不用各搞各的。
  • 建一个结构化共享状态空间(Shared State),定义清楚:
    • 每个字段是什么
    • 由谁写、谁可读(如 market_data 字段只能由调研 Agent 写,analysis_result 只能由分析 Agent 写)
  • Agent 之间通过消息总线通信,不是直接互相对话,而是把结果写入共享状态,下游 Agent 从状态里读需要的字段。
  • 状态带版本号和写入者 ID,每一次变更可追溯。Token 开销可控,信息不丢失,还能防止 Agent 乱改别人的字段。

② DAG 任务编排 + 角色边界

  • 任务拆解用有向无环图(DAG)定义,每个节点是一个 Agent,边是数据依赖关系。
  • DAG 由规划 Agent 生成,但必须经过校验器检查:
    • 有没有环
    • 有没有孤立节点
    • 有没有重复任务
  • 校验通过才执行。
  • 每个 Agent 的角色边界严格定义:
    • 输入是什么
    • 输出是什么格式
    • 能调用哪些工具
    • 不能碰哪些状态字段
  • 越界操作直接拦截,不是 Agent 想干啥就干啥。

③ 结果校验 + 反馈闭环

  • 每个 Agent 的输出不是直接传给下游,而是先过校验器:
    • 格式校验(JSON Schema)
    • 事实校验(关键数据是否有来源支撑)
    • 一致性校验(和共享状态里的已有数据是否矛盾)
  • 校验不通过 → 打回该 Agent 重生成,附带错误原因。
  • 最多重试两次,仍不通过则降级(用默认值或跳过该节点)并标记告警。
  • 幻觉在源头就被拦住,不会传染到下游。

[05:10–06:12] 第三层:生产级终极防御

从”能跑通”到”稳得住”的关键跨越。

  1. 多 Agent 一致性对账

    • 整个协作流程结束后,做最终一致性校验。
    • 报告里的每一个关键数据、每一个结论,都要能追溯到共享状态里的对应字段和来源 Agent。
    • 对不上的标记为”无依据”,要么删除,要么标注待核实。
    • 不是生成完就交付,是生成完还要对账。
  2. 熔断降级与人工介入

    • 每个 Agent 节点设超时时间和重试次数,超过阈值自动熔断。
    • 关键节点失败 → 触发人工介入(把当前状态和问题推给人处理)。
    • 非关键节点失败 → 用降级策略(跳过、用默认值、简化处理)。
    • 绝不允许一个 Agent 卡住整个链路。
  3. 全链路可观测与成本核算

    • 每个 Agent 的输入、输出、Token 消耗、耗时、工具调用、重试次数全记录。
    • 整个协作流程的总成本、各 Agent 占比、瓶颈点一目了然。
    • 哪个 Agent 最费 Token、哪个最容易出错、哪个是瓶颈——用数据说话,不是感觉。
  4. 灰度发布与效果评测

    • 多 Agent 流程变更(改角色、调 DAG、换模型)必须走灰度。
    • 先跑一批标准任务集,对比输出质量、一致性、成本、耗时。
    • 建立多 Agent 评测集,覆盖简单任务、复杂任务、异常场景。
    • 每次变更跑评测,用数据验证是不是真的变好。

[06:10–06:12] 收尾金句

多 Agent 的分水岭,不再会不会用 CrewAI,而是能不能从跑得动干到跑得稳。

  • 稳得住信息一致
  • 稳得住任务流转
  • 稳得住幻觉不扩散

知识速查表

维度核心要点
共享状态Shared State + 消息总线,字段级读写权限,版本号+写入者ID可追溯
任务编排DAG 定义节点与依赖,规划 Agent 生成后需经校验器(无环/无孤立/无重复)
角色边界严格定义输入/输出/工具/可写字段,越界拦截
结果校验格式(JSON Schema)→ 事实(来源支撑)→ 一致性(与共享状态比对),失败重试≤2次,再失败降级+告警
生产防御一致性对账、熔断降级、人工介入、全链路可观测、灰度发布+评测集
关键认知Agent 越多不是越强,是越容易乱;分水岭在于从”跑得动”到”跑得稳”

相关笔记