【AI Agent面试题】Agent 的自主性分级，怎么理解？

这事儿其实挺有意思的——面试里一句“你这个系统算不算 Agent”，常常把气氛搞僵。有人觉得，调一次 API 的脚本就算 Agent，也有人坚持，必须能自己定目标的才算。实际上，这两端之间不是简单的“是或否”，而是一条连续的放权光谱。理解 Agent 的关键，就在于理解你到底把多少决策权交给了模型——从“每一步都写死”到“连目标都让它自己定”，逐级递进。下面这张分级表，就把这条光谱讲透了。

核心视角：Agent 是“把决策权交给模型”的程度

传统程序里，控制流由开发者用 if/else、循环、状态机写死；模型（如果有）不过是流水线上一个被调用的函数。而 Agent 的本质，是让大模型来接管一部分原本由代码把控的决策。交出去的决策越多、越关键，系统就越“自主”。

那么，这条放权光谱具体能拆成几级呢？按“模型能决定什么”来划分，可以清晰分成四级：

• 固定链路
  ：模型只填内容，流程一步都不能改；

• 模型选分支
  ：让模型决定“下一步走哪条路”；

• 模型定工具
  ：让模型决定“调哪个工具、传什么参数、要不要循环”；

• 模型自定目标
  ：连“要做什么、拆成哪些子任务”都交给模型。

每往上一级，你收获的是灵活性和处理开放问题的能力，付出的是可预测性、可测试性和安全边界。这就是贯穿全文的主线——

。

逐级拆解：四级放权分别放的是什么

。流程完全由代码编排，模型只在预定的空位里生成内容。典型如“检索 → 塞进模板 → 生成回答”的经典 RAG，或“翻译 → 润色 → 输出”的定长流水线。走哪几步、什么顺序全部写死，模型无权更改路线。

。开发者仍然预定义好所有可能的路径，但把“走哪条”这个选择权交给模型。比如客服系统让模型先分类意图，再路由到“退款流程 / 查询流程 / 转人工”。分支集合是封闭的、可穷举的，模型只是在有限选项里做选择题。

。这是当下最主流的 Agent 形态。给模型一组工具，它在一个循环里自己决定：这一步调不调工具、调哪个、传什么参数、拿到结果后要不要接着调、什么时候停。控制流不再由代码写死，而是由模型在运行时动态生成。ReAct、函数调用（function calling）、大多数“能查库能算数能搜网”的助手都属于这一级。

。放权到顶：给一个高层目标甚至只给一个方向，模型自己拆解子目标、规划步骤、自我评估、必要时调整计划乃至衍生新任务。AutoGPT 式的自主智能体、能自主拆解并派活的多智能体系统属于此列。灵活性最强，但也最难预测和约束——它可能跑偏、绕圈、烧掉一大笔 token 还没收敛。

# 同一个“查天气并提醒”任务，在不同级别下谁做主
L1 固定链路: get_weather(city) -> format(template) -> reply    # 步骤写死
L2 选分支: if model.route()=="天气": weather_flow() else ...  # 模型选路
L3 定工具: while not done: tool = model.decide(tools, history) # 模型定工具与循环
L4 自定目标: goal="照顾好我的出行"; model.plan_and_execute(goal) # 模型自定子目标

一张表看懂：自主性越高，可控性越低

把四级并排对比，那条“自主性 ↔ 可控性”的权衡就一目了然：

级别	谁做决策	模型能决定什么	典型形态	可控性 / 风险
L1 固定链路	开发者	只填内容，不改流程	定长流水线、经典 RAG	最可控，几乎可完全测试
L2 模型选分支	开发者定路径，模型选	在封闭分支里选一条	意图路由、分类分发	较可控，分支可穷举
L3 模型定工具	模型（在工具集内）	调哪个工具、传什么参、是否循环、何时停	ReAct、函数调用 Agent	中等，需管控工具权限与停机
L4 自定目标	模型主导	拆解子目标、规划、自评、衍生任务	AutoGPT、自主多智能体	最难控，易跑偏、绕圈、失控

规律很清晰：级别越往上，能处理的问题越开放、越灵活，但可预测性、可测试性和安全边界越弱。L1 你能写单元测试断言每一步；到了 L4，同一个输入两次运行都可能走出完全不同的轨迹。

面试与实战怎么用这个框架

这套分级不是学术分类，而是工程选型的标尺。核心原则是：

。能用 L1/L2 固定编排搞定的，就别上 L3；能用 L3 工具循环搞定的，绝大多数场景都不该跳到 L4。

• 先问需求开放度
  ：任务路径可枚举 → L1/L2；需要动态调工具但目标明确 → L3；目标本身模糊、需要探索式拆解 → 才考虑 L4。

• 为自主性配护栏
  ：级别越高，越要补上工具白名单、参数校验、最大步数 / 预算上限、人在回路（human-in-the-loop）审批、可回滚设计。

• 别为“更 AI”而升级
  ：多数生产系统稳定跑在 L2–L3。盲目上 L4 换来的往往是难复现的 bug 和失控的成本。

一句话总结