13个AI Agent核心概念速查：从ReAct到MCP，面试前用TaoToken跑通一遍

1. 面试前把概念跑一遍比背十遍定义管用AI Agent 岗位面试有个很尴尬的现象ReAct、RAG、MCP 这些词你都能说上两句但面试官往深里追问一句“你实际怎么串起来的”很多人就卡住了。原因不复杂——这些概念在笔记里是散装的在真实调用链里却是有先后、有依赖的。你背的是名词面试官想听的是体系。这篇不打算再给你堆一遍定义。我换个思路把 13 个高频概念拆成一条可运行的验证路径用 TaoToken 做统一入口配好 Key 之后用 Cline 或 CC Switch 这类客户端逐条去“触发”这些概念对应的行为。ReAct 你就真跑一次带工具调用的多轮推理RAG 你就真塞一段外部文档看模型怎么引用MCP 你就真接一个本地工具看协议怎么握手。跑通一遍面试时你讲的是自己见过的东西不是背来的。适合谁看正在准备 AI Agent / 大模型应用岗面试的开发者手上有基础 Python 或 Node 环境能改配置文件愿意花一两个小时把抽象术语变成可观测的调用结果。不需要你之前接过 Agent 框架但需要你愿意动手。整篇的骨架是这样先讲清楚这 13 个概念为什么容易背混再给一份 TaoToken 的统一 Key 配置骨架settings.json 和 config.toml 两套然后逐个概念给最小验证动作最后把常见报错和面试讲法串起来。技术部分占大头配置只是入口别本末倒置。2. 13 个概念为什么容易背混缺一条调用链先把这 13 个概念列出来你对照一下自己是不是“每个都认识连起来就乱”预训练、微调、Agent、ReAct、工具调用、反思、RAG、短期记忆、长期记忆、Token、MCP、Skill、Harness、SDD。数一下其实超过 13 个因为有些是成对出现的。面试里真正高频的是 ReAct、RAG、MCP、Agent、反思、Token 这几个其余是加分项。它们容易混是因为分属不同层次但笔记往往平铺。我按调用链的先后给你排一下底层是模型能力预训练给通用语言能力微调给任务方向。往上是执行机制Agent 是工作方式ReAct 是“推理加行动”的循环工具调用是行动的具体手段反思是循环里的质检环节。再往上是知识与记忆RAG 负责补外部知识短期记忆管当前会话长期记忆管跨会话Token 是这一切的计量单位。再往上是标准化对接MCP 是协议Skill 是能力封装。最上层是工程方法Harness 管运行环境SDD 管开发流程。你面试时如果能把“这个概念在哪一层、解决上一层留下的什么问题”讲出来深度立刻不一样。比如被问 RAG你可以说它是为了解决模型训练数据之外的知识缺口属于知识补充层和长期记忆的区别是 RAG 偏静态知识检索长期记忆偏动态交互历史。这一句就比“RAG 是检索增强生成”值钱。那怎么把这条链跑起来需要一个能统一调用多家模型、又能被 Cline 这类客户端接入的入口。这就是下一节要配的东西。3. TaoToken 前置统一 Key 与两套配置骨架TaoToken 在这里的角色是统一入口你申请一个 Key就能在同一个接口下切换不同模型省去为每个模型单独配一套环境变量的麻烦。对面试前快速验证概念来说这点很关键——你不想把时间花在折腾各家 SDK 上。先拿 Key。打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册后在控制台里创建 API Key。控制台地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite Key 管理页在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。API 基础地址统一用 https://taotoken.net/api 注意这个地址不带任何查询参数。拿到 Key 之后别急着写代码。先把配置骨架搭好后面所有验证动作都复用这套配置。3.1 settings.json 骨架适合 Cline / Claude Code 类客户端很多客户端读的是 JSON 配置。下面这份是通用骨架把YOUR_TAOTOKEN_KEY换成你刚创建的 Key{ llm: { provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: YOUR_TAOTOKEN_KEY, model: claude-sonnet-4-20250514, maxTokens: 4096, temperature: 0.3 }, agent: { maxIterations: 8, enableToolCalling: true, enableReflection: true }, memory: { shortTermWindow: 20, longTermEnabled: false } }几个参数解释一下。provider填openai-compatible是因为 TaoToken 的接口兼容 OpenAI 格式大部分客户端直接认。baseUrl结尾不要带斜杠带了有些客户端会拼出双斜杠导致 404。maxIterations控制 ReAct 循环最多跑几轮面试演示时设小一点避免它一直转。enableReflection打开后客户端会在输出后追加一轮自检这就是反思机制的入口。3.2 config.toml 骨架适合 CC Switch / 命令行工具如果你用的是读 TOML 的工具比如 CC Switch 这类切换器用下面这份[provider] name taotoken base_url https://taotoken.net/api api_key YOUR_TAOTOKEN_KEY default_model claude-sonnet-4-20250514 [agent] max_iterations 8 tool_calling true reflection true [memory] short_term_window 20 long_term_enabled false [rag] enabled false top_k 3[rag]这一段先关着等你要验证 RAG 概念时再打开把top_k设成 3 表示每次检索召回 3 条片段。这样你验证每个概念时改一个开关就能切换行为面试演示很直观。配置放哪Cline 一般在项目根目录或用户配置目录CC Switch 通常在~/.config/下。具体路径看你用的工具文档但内容就是上面这些。配完先别跑复杂任务下一节用最小请求验证连通性。4. 可复制配置逐条验证 13 个概念的最小动作配置好了现在逐个概念给最小验证动作。每个动作都尽量小目的是让你亲眼看到这个概念对应的行为而不是读定义。4.1 验证 Token 与预训练/微调认知先跑一个最简单的请求看返回里的 token 用量。这一步验证的是 Token 概念同时让你对“模型按 token 计费和处理”有体感。curl https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer YOUR_TAOTOKEN_KEY \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 用一句话解释什么是token}], max_tokens: 100 }返回的 JSON 里会有usage字段包含prompt_tokens和completion_tokens。你输入的那句话被切成了多少个 token这里看得一清二楚。面试时被问“为什么 prompt 要精简”你就说输入越长 prompt_tokens 越高成本和延迟都上去而且上下文窗口有硬上限超了就得截断或摘要。预训练和微调没法直接“跑”但你可以通过对比不同模型的行为来理解。同一个问题分别问基座倾向的模型和指令微调后的模型前者可能续写后者会直接回答。这个对比在模型对话页 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 里手动切模型就能做。4.2 验证 ReAct 与工具调用ReAct 的核心是“推理—行动—观察”循环。在 Cline 里你给它一个需要多步才能完成的任务比如“读取当前目录下的 package.json告诉我项目用了哪些依赖然后检查有没有已知的安全问题”。它会先推理需要读文件调用文件读取工具拿到内容后再推理可能再去查依赖信息。你在 Cline 的执行日志里能看到每一轮的 thought 和 action这就是 ReAct 的实体。配置里maxIterations设成 8就是限制这个循环最多 8 轮。设太小任务做不完设太大可能空转。面试时你可以说ReAct 的工程难点在于循环终止条件的设计既要让它有足够轮次解决问题又要防止它在无进展时死循环。4.3 验证反思机制把配置里的reflection打开然后让模型生成一段代码。观察它的输出开启反思后它会在给出代码后追加一段自检比如“这段代码没有处理空输入的情况我补一个判断”。这就是自我反馈式的反思。外部反馈式的反思需要你把结果放进真实环境。比如让它写一个 JSON你用 schema 校验一下把校验错误再喂回去让它修。这个来回就是外部反馈。面试时讲反思重点说清楚“自我反馈适合逻辑一致性检查外部反馈适合可执行验证”比笼统说“模型会自我检查”专业得多。4.4 验证 RAG 与记忆RAG 的验证需要你准备一小段外部文档。把配置里[rag]的enabled改成true然后问一个只有那段文档里才有答案的问题。比如文档里写“本项目的部署端口是 18080”你问“部署端口是多少”开启 RAG 后模型能答对关掉就可能编一个。这一对比就是 RAG 的价值。短期记忆的验证更简单在同一个会话里先告诉它“我叫张三”聊几轮后再问“我叫什么”它能答对说明短期记忆在工作。然后把short_term_window调小比如设成 2再聊几轮它可能就忘了——这就是上下文窗口被挤掉的效果。长期记忆需要向量存储配置里先关着面试时讲清楚“短期靠上下文窗口长期靠向量检索召回”即可。4.5 验证 MCP 与 SkillMCP 的验证需要你接一个 MCP 服务。找一个本地的文件系统 MCP 服务在客户端里按 MCP 协议配置好然后让 Agent 通过它读一个文件。你能看到协议层的握手和工具列表拉取这就是 MCP 在起作用。它的价值是标准化换一个 MCP 服务客户端代码不用改。Skill 可以理解为一个打包好的能力文件夹。你可以在项目里建一个skills/目录放一个code-review.md描述代码审查流程然后在配置里指向它。Agent 遇到代码审查任务时会加载这个 Skill。面试时讲 Skill关键词是“按需加载的领域知识包”和 RAG 的区别是 Skill 偏流程和模板RAG 偏事实检索。4.6 验证 Harness 与 SDDHarness 是工程层面的东西没法一个请求验证但你可以观察客户端的执行环境它怎么隔离文件访问、怎么记录日志、怎么控制权限。Cline 的执行日志和权限确认弹窗就是 Harness 的一部分。SDD 的验证是流程性的你先写一份规格文档描述要做什么、边界在哪、验收标准是什么然后让 Agent 按文档开发。对比一下不给文档直接让它写返工率差别很明显。面试时如果被问工程方法把 SDD 排第一理由是它从源头减少歧义后面所有环节的质量上限由它决定。5. 本篇常见错排查配置和验证过程中几个高频报错先给你列出来省得你卡住。401 未授权九成是 Key 没填对或者复制时带了空格。检查apiKey字段重新从 API Keys 页面 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 复制一次。404 找不到路径通常是baseUrl结尾多了斜杠或者客户端自动拼了/v1导致重复。TaoToken 的基础地址是 https://taotoken.net/api 具体路径拼接看客户端实现遇到 404 先把 baseUrl 改成不带斜杠的版本试。模型名报错检查model字段是不是当前可用的模型标识。不同客户端对模型名的写法要求不一样有的要全称有的要简称报错信息里一般会提示可用列表。ReAct 循环不终止把maxIterations调小同时在任务描述里加明确的完成条件。面试演示时尤其要注意别让它在投影仪上转个没完。RAG 检索不到内容先确认[rag]的enabled是true再确认文档已经进了检索库。top_k设太小可能漏掉相关片段设成 3 到 5 比较稳。反思没触发检查reflection开关有些客户端需要重启才生效。另外不是所有模型都稳定支持反思式输出换个模型试试。MCP 连接失败先确认 MCP 服务本身能独立启动再看客户端的 MCP 配置路径对不对。协议握手失败通常是版本不匹配看日志里的协议版本号。这些错排查完你的验证链路基本就通了。接入相关的细节可以查接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有各客户端的配置示例。6. 面试前怎么用这套配置讲出体系感最后说回面试。你跑完上面这些验证手里就有了一套可复用的配置和一堆亲眼见过的行为。面试时被问到任何一个概念你的回答结构可以是它在调用链的哪一层、解决什么问题、你实际怎么验证的、工程上有什么坑。比如被问 MCP你可以说它在标准化对接层解决的是工具接入碎片化的问题我实际接了一个本地文件 MCP 服务客户端代码没改就换了数据源坑在于协议版本要对齐。这一套讲下来面试官能判断你是真跑过。如果你要长期做编码类 Agent 的验证Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 里有更适合持续开发的配置方案。单纯验证模型行为模型对话页就够用。接入和排障遇到问题优先看 API Keys 和接入文档两个入口。这套配置我自己在面试前跑过一遍最大的感受是概念一旦能被观测记忆就从“背”变成了“认”。你不需要记住 13 个定义你只需要记住那条调用链剩下的顺着链子就能推出来。面试前花两小时跑通比翻一晚上笔记踏实。