Agent PM 面试题与参考回答

Harness 是模型与真实环境之间的运行与产品系统：它组装上下文、驱动 Agent Loop、执行工具、管理权限和状态，并把过程与结果交付给用户。

Workflow 的路径由代码预先编排；Agent 由模型根据环境反馈动态决定过程。实际产品常把两者组合：用 Workflow 固定高风险边界，用 Agent 处理开放决策。

Harness 组装输入并调用模型；模型返回工具请求或最终回答；若请求工具，Harness 校验权限、执行并把 Observation 加回上下文，循环直到完成、失败、超限或等待用户。

Prompt Engineering 优化单次指令表达；Context Engineering 管理整个任务生命周期中哪些规则、历史、文件、工具和观察在何时进入模型输入。

不是。KV Cache 是模型推理计算层对已处理序列状态的缓存；Agent Memory 是产品/Harness 层选择、持久化并在未来取回的信息。

Skill 封装怎么做；MCP 标准化连接什么外部能力；Hook 保证在某个事件点确定性执行什么规则。

因为不仅客户端会发任务，服务端也会在 Turn 中主动请求审批或补充输入，并持续推送工具、Diff 和进度事件。

当子任务相互独立、上下文可以隔离、输出契约清晰且并行收益大于协调成本时。

先把主张拆成可观察机制：它是否复盘 Session、写入有来源的 Memory、修改可审计的 Skill，并在后续固定任务中带来可重复收益；同时检查审批、版本、回滚和副作用。除非存在训练流程与权重证据，不能把这些 Harness 更新说成模型权重自我训练。

Session History 是完整工作记录；Session Search 按需找过去原话；Memory 保存少量跨任务信息；Compaction 压缩当前上下文以便继续；Prompt/KV Cache 复用模型计算。它们的容量、生命周期、真实性和治理责任都不同。

应通过原任务集验证并删除已经妨碍模型的过度分解、重复提示和冗余评审；但身份、凭证、权限、沙箱、状态持久化、事件、恢复、验证和审计仍是生产系统责任，不会因为模型更聪明自动消失。

只有当上下文需要隔离、子任务真正可并行或专业化明显降低错误时才优先考虑。用相同任务比较单/多 Agent 的质量、墙钟时间、总 Token、工具冲突、汇总成本和错误传播；串行依赖强时，多 Agent 可能更差。

产品经理仍从用户问题和商业价值出发，但还要判断该用单次 AI、Workflow 还是 Agent，并把模型边界、工程边界、数据权限、评测和失败恢复写进产品。

看任务是否有清晰价值和完成证据、路径是否开放、工具是否可用、错误是否可控，以及用户是否愿意托付。

按动作风险、可逆性和用户意图置信度分层：低风险自动执行，中风险批量预览或阶段确认，高风险逐项审批。

除结果外，还应交付关键动作、验证证据、变更影响、剩余不确定性与下一步，让用户能快速验收。

把任务拆为可验证阶段，外置状态、保存检查点，提供异步通知、预算控制、重连恢复与阶段纠偏。

让用户知道记住了什么、来源是什么、何时生效，并能编辑、删除和设置范围；自动写入要谨慎且可追溯。

先选一个高价值窄任务，例如“把十份访谈记录变成可回源的洞察”，定义输入、完成证据、来源引用和人工判断点，再决定工具与界面。

先用现有真实任务集回归，识别新增能力和新失败，再判断是移除旧脚手架、扩大任务边界还是改善控制体验，而非直接堆新功能。

我会把黑盒等待改成可控制的任务状态：先重述目标和完成证据，再显示当前里程碑、已产生的可验收结果、阻塞与审批；用户随时能暂停、纠偏、缩小范围或恢复。过程采用渐进披露，展示动作与证据，不直接倾倒内部思维链。

两者都要。最终状态决定有没有完成，执行轨迹决定是否安全、合规、高效、可恢复。

先用 5 个高价值真实任务跑通环境重置、完成证据和评分方法，再扩到 10 个课程任务与 20 个结业任务；每题保存版本、黄金证据并重复运行建立基线。

以特定场景中可验证的有效任务完成为核心，同时用人工介入、成本、延迟和风险作护栏。

获取可复现任务和完整轨迹，找到首次偏离点，再按目标理解、上下文、计划、工具、权限、验证和交付分类。

先访谈明确“信任”的行为表现，再离线检查能力影响，最后灰度比较高风险任务中的继续率、纠偏率、返工和完成率。

固定模型无法做到时，至少固定任务、仓库、权限、完成标准和运行次数；分别记录成功、介入、时间、成本、恢复和交付体验，并区分模型与 Harness 差异。

先不凭 6 个百分点做决定。我会确认任务、环境和版本可比，用同一任务做配对且多次 Trial，报告提升的不确定性与分场景结果；再检查安全、成本、延迟等硬门槛。只有提升既可信、对关键用户有意义、护栏也通过，才进入灰度而不是直接全量。

把账算到“每个可验证成功任务”，而不是每次调用：按任务价值和难度比较成功率、人工节省、p50/p95 延迟、Token、工具调用与总成本。高价值难任务可以接受更高预算，低价值高频任务必须有严格上限；再用上下文裁剪、缓存、模型路由、并行和重试策略寻找不牺牲质量的改进。

先把厂商数字当待验证假设，固定目标用户、任务、版本与基线；同时测完成质量、返工、人工介入、周期、成本和风险，并做分层与长期观察。相反研究不用于否定一切，而用于检查样本、工具、任务和选择偏差，决定结论能外推多远。

Agent 默认只获得完成当前任务所需的最小资源和动作权限，随着明确需要与用户授权再逐步扩大。

合并同类低风险动作、记住有范围的授权、突出真正高风险节点，并用具体影响说明请求。

把错误结构化返回 Agent，区分可重试、需换路径、需用户输入和不可恢复；限制重试并保留已有产物。

将外部内容视为不可信数据，隔离指令与资料，限制工具权限，对敏感动作要求明确授权，并检测内容试图改变系统目标。

先控制影响并保留审计轨迹，再定位原始意图、计划、工具参数、审批策略与界面表达的首次失效点；随后补回归任务和防护。

先按不可逆性和影响上限处置误删：立即收紧或关闭删除能力、保全审计证据、确认受影响范围并提供恢复与沟通；同时让独立负责人分析延迟，但不让高频体验投诉挤掉安全止血。完成根因修复、回归任务和分级发布后，才恢复高风险动作。

Auto Mode 在工具执行前用分类器判断风险，安全动作继续、风险动作阻止或升级；跳过权限则绕开检查。分类器仍可能误放行或误拦截，所以两者风险不同，但 Auto Mode 也不能替代隔离环境、最小权限、凭证边界与审计。

MCP 标准化 Host、Client、Server 如何发现和调用 Tools、Resources、Prompts；授权信任决定谁代表谁行动、令牌能用于哪个资源、Server 能看到什么数据以及如何撤销。协议连通不等于 Server 可信或工具安全。

因为用户价值和产品差异发生在端到端执行轨迹中，功能存在不代表真实任务能可靠完成。

把“顺”“聪明”“可控”等感受拆成可观察事件和指标，提出可证伪假设，再通过重复任务、访谈或实验验证。

先访谈最近真实工作而非想象功能，收集任务频率、价值、风险、完成证据与当前替代方案，再用低保真代理测试真实托付行为。

不按声音大小排需求。我会先确认是谁、在哪个真实任务的哪一步受阻，把帖子、工单、访谈与失败 Trace 对齐；再看目标用户覆盖、问题频率、价值、风险和现有替代方案，并主动抽样沉默用户。最终把社区信号写成可证伪假设，用原型或灰度验证真实采用与任务收益。

先用真实任务建立模型边界与工程边界的共同语言，再掌握任务定义、Agent Loop、Context、Tool Use 与 Eval；不要先陷入模型名词或功能追新。

目标不是替代工程师，而是能读懂系统边界、调用 API、处理数据、看懂日志与事件、做原型、验证假设，并知道哪些承诺必须由工程机制保证。

通过同任务重复测试、跨模型或跨 Harness 对比、保存失败轨迹和定义质量层级，逐渐形成能被别人复核的判断标准。

用四类作品代替空泛热情：真实任务轨迹研究、Agent 评测集、Harness PRD 与可运行原型，并清楚讲出失败、边界和迭代。

我会先用一分钟定义用户任务、非目标和验收证据，再画出 Model—Harness—Tool—Environment 边界；随后沿一次真实 Trace 打开最关键模块，解释输入、状态变化、输出、失败与测试。最后说明哪些代码由我判断并验证、放弃过什么方案，以及下一版会用什么 Eval 决定。

先以真实高价值任务建立能力与体验基线，再围绕任务深度、可靠性、扩展生态和反馈闭环设目标，按内部 dogfood—开发者—更广用户渐进发布。

把真实任务的结果、轨迹和人工反馈结构化归因：模型问题进入训练与模型评测，Harness 问题进入上下文、工具、策略和交互迭代，再用同一任务集验证组合收益。

先把争论统一到同一用户任务和发布门槛：研究负责要验证的能力假设，工程定义稳定性与回滚硬约束，设计定义用户控制与体验指标。我会用窄范围原型和共同 Eval 产出证据，在可逆灰度里试验；未过安全门槛不发布，未产生用户收益也不为技术新颖性上线。

先保存岗位 ID、核验日期与短句原文信号，再单独写本站解释、课程内容和作品证据。原文能证明公开岗位期望，不能证明内部组织、路线图或面试评分表；课程目标必须允许读者回源并看见解释边界。