Agent 和传统大模型有什么区别？｜京东后端开发面经解析

60 秒回答模板

传统大模型更像一次输入到一次输出的语言能力接口，核心能力是理解、生成、推理和知识表达。Agent 是把大模型放进一个任务执行框架里，围绕目标做任务拆解、计划选择、工具调用、环境观察、记忆管理和结果校验。两者不是替代关系，Agent 通常以 LLM 为大脑，再接检索、代码执行、搜索、数据库、业务 API 和权限控制等工具，形成可迭代的闭环。区别主要看是否能持续感知状态、调用外部能力并根据反馈调整下一步。

考点 LLM 是底座

难度 真实面经题

回答目标 讲清方法、取舍和追问

深入解析

能力边界不同

传统 LLM 主要在上下文窗口内完成问答、总结、生成和推理，输入输出边界清晰。Agent 面向的是一个目标任务，需要把问题拆成多个步骤，并在执行过程中决定下一步动作。

执行闭环不同

Agent 通常有 plan、act、observe、reflect 的循环：先规划，再调用工具或业务系统，拿到环境反馈后更新状态，必要时重试或改计划。普通 LLM 调用通常没有这个持续状态循环。

外部能力不同

LLM 本身不能直接访问实时数据库、代码运行环境或业务接口。Agent 会通过工具层接搜索、RAG、工作流、函数调用、浏览器、数据库和内部服务，因此能完成更具体的操作型任务。

工程约束不同

Agent 落地要考虑权限、工具选择、调用成本、状态持久化、失败恢复、可观测性和安全边界。传统 LLM 服务更关注 prompt、上下文、延迟、吞吐和输出质量。

评价方式不同

LLM 常看单轮答案质量、事实性和格式遵循。Agent 更要看任务完成率、步骤正确性、工具调用成功率、成本、耗时、可恢复性和是否越权执行。

易错点

不要把 Agent 只说成更强的大模型，关键是任务执行框架和闭环。
不要忽略工具权限和安全审计，Agent 能执行动作就会带来工程风险。
不要把所有多轮对话都叫 Agent，多轮聊天未必有规划和环境反馈。
不要只谈概念，要能落到工具调用、状态管理和任务完成率。

面试官追问

是不是会调用工具的 LLM 就是 Agent？

不一定。只做一次函数调用更像工具增强问答；如果系统能围绕目标连续规划、观察反馈并调整动作，才更接近 Agent。

Agent 落地最容易出什么问题？

常见问题是计划漂移、工具误选、权限过大、状态污染、循环重试失控、成本不可控和结果不可解释。

什么时候不需要 Agent？

单轮问答、简单生成、固定模板抽取或明确的一次 API 调用不一定需要 Agent，普通 LLM 或规则工作流更稳定便宜。