架构选型：ReAct、Plan-and-Execute 与 ToT 怎么选
架构选型是 Agent 面试的第一类高频题。面试官不关心你能不能背出 ReAct 的定义——他关心的是：给你一个真实场景，你怎么选、为什么选、选完怎么落地。
本篇目录
- 推理范式与架构选型
- Agent 组成与设计边界
- 系统设计原则与模式
- 系统集成与规划保障
- 场景设计与可靠性
- Q：Skill 和 Workflow 的区别是什么？什么场景该用 Skill 而不是 Workflow？
- Q：DAG 与含循环图在 Agent 编排中的区别和适用场景
- Q：基于强化学习的 Agent 与传统基于 Prompt 的 Agent 有何区别？各自的适用场景？
- Agent 中间件（Middleware）
- Q：Coding Agent 的完整链路是怎么运转的？从用户输入到代码产出的全流程
- Q：只有模型 API 和 VS Code，如何从零搭建一套可用的 Agent 应用？
- Q：用拓扑排序（规则式）管理任务依赖 vs 让大模型自己推理决策执行顺序，各有什么问题？
- Q：设计一个内部的多源文档问答 AI，架构设计是什么？
- Q：ReAct 在工程实现中，消息和状态协议应该怎么设计？
- Q：设计一个预订机票的 Agent，如何处理澄清、支付确认和失败补偿？
- Q：Agent 如何持续推进 Goal，并避免行为漂移和目标漂移？
- Q：在 AI/Agent 辅助编码时代，为什么 DDD 和清晰的领域边界反而更重要？
- Q：Agent 组件拆解为什么适合责任链模式？与状态机、DAG 的边界是什么？
- 这类题的答题模式