Q：Agent 失败通常有哪些原因？如何快速定位责任层？

来源：点点互动/Agent开发秋招一面

新手答：“可能是模型幻觉、工具报错或者网络超时，失败了就重试。”

高手答：

先按执行链路分层，而不是看到失败就重试：

层级	常见失败	关键证据	处理方式
输入与意图	需求模糊、路由错误	原始输入、路由置信度	澄清或重路由
规划	步骤缺失、依赖顺序错误	Plan、状态迁移记录	重规划或规则校验
模型	幻觉、格式不合法	Prompt、原始响应、解析错误	约束解码或降级模型
工具	参数错误、权限不足、超时	Tool call、错误码、耗时	修参、授权、按错误类型重试
状态与记忆	旧状态污染、并发覆盖	Checkpoint、版本号、trace id	回滚、隔离或重建状态
输出验证	答案与证据不一致	引用、验证器结果	拒绝输出或进入修复环

生产系统应给每次运行分配 trace id，把 plan、模型调用、工具调用、状态版本和验证结果串成一条可回放链路。重试策略必须按错误分类：瞬时故障可指数退避，确定性参数错误不能原样重试，业务冲突应回滚或转人工。

差距在哪：新手罗列故障名词并统一重试，高手按链路分层、用证据定位，并为不同故障设置不同恢复策略。面试官考的是生产级可观测性和故障归因能力。