AI Agent 面试被问爆了（六）

4. 高风险工具没有权限控制工具分很多类型。有些工具只是查询，比如查日志、查文档、查监控。有些工具会产生真实影响，比如：删除数据； 修改配置； 发送邮件； 发起付款； 创建工单； 关闭告警； 发布版本； 执行生产脚本。这类工具不能让 Agent 完全自主执行。必须增加权限控制和确认机制。可以按照风险等级分层：比如：查询日志，可以自动执行； 创建缺陷单，可以自动执行但要记录日志； 删除生产数据，必须人工确认； 发布线上版本，必须审批。Agent 越接近真实业务系统，权限边界越重要。5. 工具返回结果不结构化，模型难以稳定理解很多团队封装工具时，会让工具直接返回一大段自然语言。比如：支付接口最近半小时有一些异常，错误率比较高，可能需要关注。 这种返回方式对模型来说不好处理。因为它缺少明确字段，也不方便后续判断和审计。更好的方式是返回结构化结果：{   "api_path": "/api/pay/create", "status": "abnormal", "error_rate": 0.038, "baseline_error_rate": 0.004, "p99_response_time_ms": 1450, "evidence": [     "错误率高于历史基线",     "P99 响应时间明显升高"   ], "timestamp": "2026-05-25 09:30:00" } 结构化结果的好处是：模型更容易理解； 程序更容易判断； 日志更容易审计； 异常更容易定位； 后续工具调用更容易继续处理。工具返回越稳定，Agent 表现越稳定。6. 工具调用失败没有降级真实系统里，工具一定会失败。可能是：接口超时； 数据库异常； 第三方服务不可用； 鉴权失败； 参数错误； 网络波动； 返回结果为空。如果没有降级机制，用户体验会很差。更严重的是，模型可能会在工具失败后开始“编答案”。这是非常危险的。正确做法是：工具失败要返回明确错误； 模型要区分“没有查到”和“查询失败”； 高风险结论不能在无数据情况下生成； 必要时提示用户稍后重试或换一种查询方式。比如：“当前日志系统查询失败，我无法确认最近 30 分钟的真实错误率，因此不能判断接口是否异常。你可以稍后重试，或者提供日志片段，我可以基于已有信息辅助分析。”这比模型胡编一个结论要可靠得多。