Agent Loop面试必考：与LLM单次调用的本质区别

面试风向变了：从「会不会」到「怎么做」

如果你最近准备AI工程师或大模型相关岗位的面试，会发现考察重点正在发生明显迁移。过去面试官更关注你是否了解某个概念、用过哪些框架；而现在，问题越来越偏向落地细节——Agent Loop是怎么设计的？Maker和Checker为什么要分离？循环的退出条件如何定义？

这类问题之所以难接，是因为它们考察的不是记忆，而是你对Agent系统运行机制的真实理解。回答不好，面试基本就卡住了。本文围绕一位B站UP主整理的「Agent Loop面试十连问」的第一题展开，拆解一个看似简单却极容易答砸的问题。

第一题：Agent Loop和LLM单次API调用的本质区别

这是整个系列的开场题，表面上非常基础，但正因为简单，反而最能暴露回答者的理解深度。

很多人脱口而出：「一个能调工具，一个不能调工具。」这个答案不能说错，但过于单薄，无法体现系统性思考。面试官真正想听到的，是你能否把两者的差异结构化地讲清楚。

用四个维度构建回答框架

与其给一句话结论，不如把差异拆解成四个维度，逐一对比。这样的回答既清晰又显得有条理。

一、生命周期

普通的LLM单次调用是「一问一答」，请求发出、响应返回，一个周期就结束了。而Agent Loop本质是一个循环结构，它会持续运行，直到目标达成或触发预设的退出条件。生命周期的差异是两者最根本的分野——一个是瞬时的，一个是持续演进的。

二、工具调用

单次调用通常不涉及外部工具，模型只是基于已有知识生成文本。Agent Loop则能够主动调用文件系统、数据库、各类API等外部工具，借助这些能力去感知环境、获取信息、执行操作。工具是Agent突破纯文本生成局限的关键。

三、记忆

单次调用的每一次交互都是独立的、全新的对话，上下文不会天然延续。而Agent Loop在循环内部可以持续积累状态——它记得上一步做了什么、得到了什么结果，从而让后续决策基于累积的信息，而非从零开始。

四、交付物

单次调用的产出一般是一段文本。而Agent Loop交付的是一个「任务结果」——它可能是修复后的代码、一份完成的报告、一次成功的数据库操作。换句话说，前者给的是答案，后者给的是成果。

Agent Loop 是指大模型驱动的自主任务执行循环，其基本运转模式通常被概括为"感知—规划—行动—观察"（Perceive-Plan-Act-Observe）的反复迭代。每一轮循环中，模型根据当前状态和目标制定下一步动作，执行后观察结果，再将结果作为新的输入进入下一轮，直到任务完成或超出预设的限制（如最大步数、Token消耗上限）。这一架构最早在 ReAct（Reasoning + Acting）论文中得到系统性阐述，随后在 AutoGPT、LangChain Agent、OpenAI Assistants API 等主流框架中被广泛实现。理解 Agent Loop 的循环本质，是区分它与单次 API 调用的前提——后者只完成循环中的"规划"一步，既无行动能力，也无跨步骤的状态积累。

为什么这个框架在面试中有效

把一个开放性问题拆成「生命周期—工具—记忆—交付物」四个维度，好处在于：它展现了你对Agent系统的结构化认知，而不是零散的印象。面试官能从中判断你是否真正理解Agent为何是一个「系统」而非「一次调用」。

这四个维度之间其实存在内在逻辑关联：正因为需要持续运行（生命周期），才需要工具去推进任务；正因为是循环推进，才需要记忆来维持连续性；而所有这些的最终目的，是交付一个完整的任务结果，而非一次性的文本输出。

理解了这层递进关系，你不仅能答好这一题，也为后续讨论Maker/Checker分离、退出条件设计等更深入的问题打下了基础。

Maker/Checker 分离是 Agent 系统设计中的一种可靠性模式：由一个 Agent（Maker）负责生成或执行任务，另一个独立 Agent（Checker）负责验证输出的正确性与安全性。这种分离的核心动机在于，大模型存在自我校验盲点——生成错误时往往也会对错误产生高置信度，难以自我发现。引入独立的 Checker 可以打破这种"自我强化"的偏差，类似于软件工程中的代码审查机制。在实际工程实现中，Maker 和 Checker 可以是同一个基础模型的不同实例，也可以是能力侧重不同的两个模型，关键在于它们拥有独立的上下文和评判视角。这一模式是 Agent Loop 退出条件设计的重要依据：只有 Checker 通过验证，循环才被允许终止并交付结果。

小结

Agent Loop之所以成为当下面试的高频考点，是因为它正是Agent工程落地的核心骨架。面对「它和单次调用有什么区别」这类问题，不要停留在「能不能调工具」的层面，而要从生命周期、工具、记忆、交付物四个角度系统作答。掌握这套框架，既是应对面试的模板，也是真正理解Agent运行机制的切入口。