面试官问Agent的本质是什么：从30行代码看穿所有Agent框架

大家好我是浩哥本周周报四1解读企业级AI建设的深度分析文章文章内容来自最新的公众号内容有感兴趣可以点点关注、持续分析该系列文章本系列文章主要作用还是降低你收集文章和自己解读文章时间内容也是让AI深度结合文章观点进行整理。这是小林面试笔记中最经典的一个问题也是区分「用过Agent」和「理解Agent」的分水岭。问题的答案藏在三十行代码里。Agent只是一个while循环Anthropic的官方文档说过一句很直白的话Agent本质上就是一个LLM在循环中根据环境反馈调用工具的过程。这句话翻译成代码就是一个while循环while not done: 思考 LLM.推理(当前状态) 行动 思考.决定的下一个动作() 结果 行动.执行() 当前状态.更新(结果) if 行动.类型 最终回答: done True这就是Agent的全部核心。没有魔法没有玄学。一个while循环加一个LLM在循环里做决策加一组工具让LLM调用加一个状态对象让LLM知道当前进度。所有Agent框架——LangGraph、PiAgent、OpenClaw、Claude Code——底层都是这个循环。它们做的事情只有三件帮你管理这个循环的流转、帮你管理循环里的状态、帮你管理循环外的基础设施。理解了这一点就可以开始拆解那些面试官真正关心的追问。第一个追问模型不执行工具它只发出请求很多人有一个误解Agent调用工具是模型自己在执行代码。不是。模型的工作方式是输出一个特定的结构化格式——比如一个JSON里面写了「我要调用search工具参数是xxx」。真正去执行这个搜索请求的是框架层面的工具执行器。这意味着什么意味着Agent的安全边界不在模型的控制能力而在工具执行器的控制能力。你可以在工具执行器这一层做权限校验、做速率限制、做审计日志——这些是模型做不到的。Claude Code的五层纵深防御体系从Deny Rules到AST安全分析全部是在工具执行器这一层实现的没有一层是模型自己控制的。理解了模型和执行器的分离才能理解Harness工程为什么是Agent落地的关键。第二个追问模型不记住任何东西Agent每一轮的输入是你喂给它的全部内容。模型本身不保留任何状态。所谓的「记忆」是框架层在每次循环开头从外部存储里把历史信息读出来重新塞进模型的输入上下文。短期记忆就是保留最近几轮的对话历史。长期记忆就是从向量数据库或文件系统里检索相关的历史信息拼进上下文。这意味着Agent记忆的质量取决于外部存储的检索质量而不是模型的记忆能力。这也意味着当你觉得Agent「忘记」了什么的时候问题不一定出在模型——可能是外部存储的检索没有命中正确的信息可能是上下文的Token预算不够把重要的历史信息挤掉了。排查思路应该从外部系统开始而不是从模型开始。第三个追问Agent的「思考」和「回答」是两件事很多人把Agent的输出直接看成回答。但Agent在一次交互中通常输出了很多次「思考」和一次「回答」。思考——是模型在内部推理过程中产生的中间结果比如「用户的问题需要调search工具搜索关键词是xxx我得到了xxx结果发现信息不全需要再搜一次」。这些思考结果不直接展示给用户。回答——是模型确认信息已经完整之后生成给用户的最终输出。区分这两件事很重要。Agent的调试看的是思考过程的质量而不是回答的质量。用户反馈「Agent回答不对」原因可能不在最后生成回答的那个环节——可能在第一步的思考就把方向想错了后面的所有步骤只是在错误的方向上越走越远。CoT思维链之所以有效就是因为它把「思考」这个过程显式化、可观察了。不要求模型「直接给出正确答案」——那是一次从起点到终点的跳跃出错了没地方查。而是要求模型「一步步想每一步都写下来」——每一步的结果都可以被验证出错了可以定位到具体是哪一步想偏了。第四个追问Agent的复杂度和任务复杂度成正比但不是线性关系一个简单的QA任务Agent可能只需要一次循环推理→回答。一个复杂的研究任务Agent可能需要几十次循环检索→分析→再检索→综合分析→再验证→最终回答。这不是Agent的问题是任务本身的复杂度在驱动循环次数。Agent不会主动增加复杂度它只在任务需要的范围内循环。但这里有一个隐藏的陷阱循环次数多了之后上下文窗口会膨胀。早期循环的信息被压缩、被遗忘Agent的决策质量随轮次下降。这就是Loop Engineering中提到的「上下文腐化」问题。解决这个问题的方法不是让Agent少循环而是把一次长循环拆成多个短循环——每个短循环有自己的上下文窗口不累积垃圾信息。这就是从Loop到Graph的演进逻辑当单Agent的上下文窗口撑不住时拆成多个专门化节点每个节点只处理自己的上下文。回到面试官的视角面试官问「Agent的本质是什么」他要的不是一段定义。他要知道你真正理解了以下几点模型在循环中做决策。这个循环和决策的质量取决于循环外面的工程设施——工具系统、权限控制、上下文管理、反馈闭环——而不是模型本身有多强。模型不执行工具它只发出请求。安全边界在工具执行器这一层。模型不记住任何东西所有记忆来自外部存储。记忆质量取决于检索质量而不是模型能力。Agent的思考过程和回答输出是两件事。调试Agent看的是思考过程不是回答质量。把这几条想通了所有的Agent框架在你眼里就不再是黑盒——你看到的只是不同团队用不同方式实现的同一个while循环。本文基于小林面试笔记面试官系列文章深度撰写。来源说明核心观点来自小林面试笔记「面试官Agent的本质是什么」系列。因该系列文章为直接上传至知识库log20260714.txt中无对应微信下载记录如需查找原文可在微信搜一搜搜索「小林面试笔记」公众号。