前端Agent面试全攻略，个人总结，供参考
本文面向前端Agent面试备考，系统拆解前端Agent四大核心模块（LLM核心引擎、工具调用、记忆存储、ReAct编排），梳理各模块面试高频考点与易错点，补充考点对应表、Mermaid架构图，详解前端场景下Agent工程落地关键，助力考生快速掌握核心考点，应对面试中的原理、实战类提问。
前端Agent面试高频考点对应表
LLM核心引擎（前端适配） | 1. 前端调用LLM模型的选型与优化；2. 前端Prompt工程实战；3. 上下文Token控制 | 前端场景下模型适配（轻量化、请求效率）、Prompt编写技巧 | 忽略前端Token限制，Prompt冗余 |
工具调用（前端场景） | 1. 前端Agent常用工具封装；2. 工具调用上下文污染解决；3. 延迟加载实现 | 前端工具（接口请求、DOM操作等）与Agent的结合、上下文净化 | 工具封装不规范，中间结果污染上下文 |
记忆存储（前端适配） | 1. 前端Agent记忆分层实现；2. 本地存储与RAG结合；3. 记忆冗余优化 | localStorage/sessionStorage与向量库的协同、Token消耗控制 | 长期/短期记忆混乱，忽略前端存储限制 |
ReAct编排 | 1. ReAct核心逻辑与前端实现；2. ReAct与CoT的区别；3. 前端动态决策场景 | ReAct循环在前端交互中的落地、与前端业务逻辑的结合 | 混淆ReAct与CoT的适用场景，无法结合前端场景阐述 |
🧠 一、先看总纲： Agent = 大脑+记忆+规划+手脚
核心公式Agent = LLM核心引擎 + 记忆存储 + ReAct编排 + 工具调用
📌 总架构思维导图
🧠 二、LLM核心引擎：Agent的“大脑”
- 定位：推理、决策、理解意图的中枢
- 落地要点： 1. 模型选型：前端优先选择轻量化模型（如Llama 3轻量化版、国产小模型），兼顾请求速度与性能，避免大模型导致的前端卡顿；
2. Prompt工程：前端场景需简洁高效，遵循“角色+任务+约束+示例+格式”五要素，适配前端交互场景（如用户输入、DOM操作指令）；
3. 上下文管理：前端Token预算有限，需严控上下文长度，只传递关键信息（如用户近期操作、核心工具结果），避免Token溢出导致的请求失败。
🛠️ 三、工具调用：Agent的“手脚”（解决能做什么）
3.1 核心痛点
- 上下文溢出、污染：前端上下文窗口有限，工具调用的中间结果易占用过多空间；
- 执行效率低：前端工具（如接口请求）异步执行，易导致Agent决策卡顿；
- 调用不准：工具封装不规范，无法精准匹配前端用户需求（如DOM操作、表单提交）。
3.2 工程解决方案
- 延迟加载：defer_loading，按需加载工具
- 程序化编排：中间结果不入上下文
- 工具使用示例：给个参考示例更好理解
3.3 工具调用
1. MCP
2. Skill
📚 四、记忆存储：Agent的“知识库”（解决能记住什么）
4.1 核心痛点：记忆存储的核心问题（完整版）
这是生产级Agent最容易翻车的模块，直接列全所有致命问题：
- 上下文长度爆炸：对话轮次变多，Token暴涨，推理变慢、成本飙升
- 关键信息遗忘：长对话中早期重要信息被覆盖，LLM“断片”
- 记忆冗余/噪声：无关信息混入上下文，干扰决策、降低准确率
- 长期记忆缺失：无法跨会话保存用户偏好、历史任务、专属知识
- 记忆召回不准：RAG检索不精准，答非所问、无效信息过多
- 短期/长期记忆混乱：没有分层，全部塞进上下文，效率极低
- 记忆不可控：无法主动增删改查记忆，无法纠错、无法更新
- 隐私与合规风险：敏感信息直接存入记忆，泄露风险高
4.2 核心目标
最小Token消耗 + 关键信息精准触达 + 分层记忆可控
4.3 上下文工程公式
Prompt = System + Memory + History + ToolResult + UserQuery
4.4 分层记忆架构
4.5 精简规则（直接复用）
- Skills：仅匹配1-2个前端常用工具，描述≤50字；
- Tools：仅保留工具名称+入参，省略实现细节（适配前端轻量化需求）；
- Memory：短期记忆保留3轮会话摘要，长期记忆仅保留Top2相似度≥0.75的信息；
- Rule：仅保留当前前端场景高优规则（如表单验证规则、DOM操作规范）。
4.6 RAG → Agentic RAG 架构
- 基础RAG：先检索、再生成
- Agentic RAG = RAG + Planning + Memory + Tool Use，形成闭环
🧭 五、ReAct编排：Agent的“规划师”（解决该怎么做）
5.1 核心逻辑
观察 → 思考 → 行动 → 再观察 循环边做边想，动态决策
5.2 ReAct 执行流程
5.3 ReAct vs CoT（面试必背）
CoT | 闭门思考 | 无外部交互 | 纯推理、数学题 |
ReAct | 边做边想 | 实时交互外部 | 多步工具、复杂检索 |
🎯 六、面试总结：前端Agent核心备考要点
- 四大模块：牢记前端适配特性，区别于通用Agent，突出前端存储、工具、交互的适配；
- 高频考点：重点掌握工具调用上下文净化、记忆分层、ReAct与CoT区分，对应表一易错点规避；
- 实战导向：能画出核心架构图、流程示意图，能阐述工程解决方案（如延迟加载、记忆精简）
查看15道真题和解析