容错与鲁棒性：超时、报错、误操作的工程化处理
Agent 的容错设计是面试中最容易暴露“做没做过真实系统”的维度。Demo 环境里 API 永不超时、工具永不报错，但生产环境什么都会出问题。面试官考的就是：出了问题你怎么办，系统设计上怎么防。
本篇目录
- 错误恢复与容错
- 幻觉治理与行为约束
- 资源管理与安全防护
- Q：Skill 间需要传递敏感信息时，如何做到内部可用、对用户不可见？
- 高风险场景防护
- Q：Agent 系统中网络抖动 vs 真实故障，如何区分判断？
- Q：NL2SQL 场景下的 SQL 安全防护怎么做？
- 上下文爆炸与工具循环调用
- Fallback 机制设计
- 多层级失败重试机制
- 状态机卡死与熔断
- Q：工具调用返回结果为空或调用失败，Agent 应该怎么处理？是直接重试还是换策略？
- Q：页面结构变化导致 Skill 失效时，如何检测、降级与修复？
- Q：Agent 失败通常有哪些原因？如何快速定位责任层？
- Q：所有模型超时或故障时怎么兜底？什么时候用规则引擎，什么时候转人工，服务恢复后怎么回切？
- Q：Agent Workflow 如何保证节点原子性，并在部分成功后安全回滚？
- Q：LLM 没有走标准 Tool Call，而是在文本里直接输出命令请求，系统如何识别、执行并拦截风险？
- Q：如何对自己的 Agent 做系统化红队测试，而不是只测 Prompt Injection？
- Q：Coding Agent 看到 .env 文件会怎样？如何设计安全边界？
- Q：长时间运行的 Coding Agent 等待用户决策时，如何避免任务永久卡住？
- Q：工具失败后，哪些异常处理应由大模型参与，哪些必须由确定性程序控制？
- Q：为什么安全攻击检测不能只依赖大模型？规则、专用模型和 LLM 应该如何分工？
- Q：Agent 无法处理任务时，“求助 / 升级”状态机应该如何设计？
- 这类题的答题模式