面试官问：“你们的 Agent 是怎么规划的？行业流程都写在 Prompt 里吗？”
这道题最容易出现两个极端答案。
一种说法是：“全部让大模型自己拆任务，这样最灵活。”另一种说法是：“模型不可靠，所以所有步骤都写死。”前者忽略安全与确定性，后者又把 Agent 做成了披着模型外衣的固定流程。
生产系统更常见的答案在中间：代码定义不可越过的边界和主流程，模型只在不确定、可验证、可回退的局部做规划。真正的难点在于规划权放在哪一层，以及模型给出的计划如何进入执行系统；一句“请逐步思考”解决不了这两个问题。
先给出 30 秒回答
当任务路径无法提前枚举、允许探索，而且每一步都有可靠反馈时，可以让 LLM 生成局部计划；当步骤固定、涉及权限、合规、金额或不可逆操作时，应由代码、规则或状态机控制。常见做法是混合规划：程序先固定阶段、工具白名单、参数边界、预算和停止条件，Planner 只输出结构化子任务，执行前还要检查计划依赖、工具是否存在、用户是否有权限以及动作是否需要人工确认。这样既保留模型处理长尾问题的能力，又不把业务控制权交给概率输出。
回答里至少要出现“局部规划”“结构化计划”“执行前校验”和“业务边界”四件事。否则很容易停留在 Prompt 技巧层面。
先理解：Prompt 规划到底做了什么
Prompt 规划不是模型突然学会了项目管理，而是开发者通过任务描述、角色、可用工具、限制条件和输出格式，让模型产生下一步建议或一组子任务。
常见规划实现会告诉模型目标，让它思考、决定、行动、观察；也可以让一个 Planner 生成子任务，再交给 Executor 执行。这些方式能够处理不确定问题，但“由模型规划”并不等于“无需框架”。开发者仍然提前决定了谁负责规划、它能看到什么、能调用什么、输出长什么样。
例如一个教学资料调研任务，用户只给出主题和输出要求。搜索什么关键词、先看哪一类资料、发现信息缺口后往哪个方向补充，很难完全提前写死。这部分可以交给 Planner。每拿到一批资料后，Planner 根据现有证据决定下一步，模型的灵活性才真正产生价值。
反过来，如果业务规定必须先校验身份，再确认资源状态，之后才允许提交动作，那么顺序不是“建议”，而是制度。即使模型能生成看起来合理的捷径，也不能采用。
规划层的目标不是追求最大自由，而是在可控边界里使用模型处理不确定性。
哪些内容适合写进 Prompt
目标和当前状态的解释
模型需要知道用户想完成什么、已经完成哪些步骤、当前有哪些约束。自然语言目标常常包含模糊表达，模型擅长做初步理解和拆解。
但状态不能只靠一段不断增长的对话历史。更稳妥的方式是把关键状态结构化，例如当前阶段、已完成子任务、缺失字段、可用工具和剩余预算。Prompt 负责把这些状态解释给模型，不负责凭空创造状态。
难以枚举的局部策略
搜索查询怎么改写、资料冲突时先补哪个来源、工具返回空结果后是换关键词还是请求用户澄清，这些选择会随环境变化，适合让模型提出候选。
局部策略的共同特点是：失败通常可逆；候选动作数量有限；执行结果能够观察；系统可以在预算耗尽时安全停止。
自然语言组织和解释
计划不仅要给机器执行，有时还要给用户看。模型可以把结构化子任务解释成易懂步骤，说明为什么需要补充信息，或者总结当前进度。
但用户可见的解释不能替代机器可执行的计划。只有一段散文式“第一步、第二步”，执行器很难稳定解析，也无法检查依赖和权限。
多个低风险候选之间的选择
例如系统已经通过权限过滤，只剩三个只读工具，模型可以结合任务语义选择一个。工具候选必须先由后端确定，模型不能自己发明不存在的 API。
哪些内容必须写进代码或状态机
身份、权限和数据范围
用户能否访问某条记录、某个租户的数据是否隔离、工具是否允许执行写操作，都必须由后端检查。Prompt 中写“不得越权”只能起提醒作用，不能成为安全控制。
不可跳过的业务步骤
教学合同审核场景中，高风险条款出现后必须进入人工复核；教学退款场景中，状态变更前必须完成身份与订单校验。这些步骤要进入固定 Workflow 或状态机。
参数硬边界和资源预算
最大结果数、允许的日期范围、单任务最大工具次数、总耗时、上下文预算等，应由程序限制。模型可以建议参数，但不能突破服务端约束。
不可逆动作和最终提交
写库、发消息、修改配置或创建真实业务动作，需要幂等、二次确认、审计和回滚方案。模型可以准备草稿或 Dry-run 结果，真正提交由确定性系统控制。
计划的状态迁移
“某子任务已完成”应该由工具结果和验证规则更新，而不是模型自己说完成。状态机要知道任务处于待执行、执行中、等待用户、等待审批、成功、失败还是取消。
模型负责建议与解释，系统负责事实、权限、状态和副作用。
混合规划的完整工程链路
一个可控的 Planner 不应该直接持有所有工具执行权。可以把链路拆成六步。
第一步：状态整理
系统先把用户目标、业务状态、已知事实、缺失信息、权限范围和剩余预算整理成结构化输入。原始用户文本仍可保留，但关键判断不能只依赖自由文本。
如果用户说“还是按上次的方式处理”，系统要先从有权限的历史状态中找到“上次”对应什么。找不到就请求澄清，而不是让模型猜。
第二步：Planner 生成结构化计划
计划至少要包含子任务 ID、目标、依赖、候选工具、输入来源、完成条件和失败后的建议动作。下面是教学示例，用于说明字段边界，不是生产代码：
{
"goal": "比较两份资料中的准入要求",
"steps": [
{
"id": "read_a",
"depends_on": [],
"tool": "read_document",
"success_condition": "返回资料 A 的条款与来源位置"
},
{
"id": "compare",
"depends_on": ["read_a", "read_b"],
"tool": "compare_evidence",
"success_condition": "列出相同项、差异项和缺失项"
}
]
}
重点不在字段名，而在计划必须可检查。散文计划只能供人阅读，结构化计划才能进入校验、执行和回放。
第三步：计划校验
校验器检查：工具是否真实存在；依赖是否形成死循环；必需步骤是否缺失；参数来源是否明确；完成条件是否可以观测；计划是否超过预算。
有些校验可以用规则完成。例如工具名必须来自注册表，依赖图不能有非法环，高风险动作必须包含审批节点。语义层面的计划是否合理，可以再使用模型或人工辅助，但不能只让同一个 Planner 自己给自己打勾。
第四步：权限与风险检查
计划合法不等于用户有权执行。系统根据身份、租户、工具风险等级和数据范围，过滤计划中的动作。若动作需要审批，状态进入等待确认，而不是继续自动执行。
第五步：一次只执行可控的一步
Executor 读取当前可执行节点，调用真实工具，记录请求、参数摘要、耗时、结果和错误。不要一口气把整份模型计划当脚本跑完，否则中途状态变化时无法及时调整。
第六步：观察结果并更新计划
工具结果进入状态。若完成条件满足，标记当前节点完成；若返回空结果、权限变化或新约束，Planner 只能在允许的范围内重新规划。达到预算、连续失败或高风险边界时，系统停止自动执行。
Planner 提出建议，校验器与执行器决定这份建议是否能够安全落地。
混合规划最常见的失败方式
失败一：把业务知识全部塞进 Prompt
需求一变就改长 Prompt，看起来灵活，实际上权限、规则和提示词纠缠在一起。模型版本或措辞变化后，同一规则可能被不同解释，也很难审计某次执行使用了哪版制度。
应对方式是把稳定规则做成代码、配置或规则服务，Prompt 只接收当前有效、与任务有关的约束摘要。规则版本要进入 Trace。
失败二：计划只是一段自然语言
模型生成“先查询，再比较，最后总结”，但没有子任务 ID、依赖、工具和完成条件。执行器只能再次让模型解释这段话，系统逐渐变成多层概率输出。
应对方式是定义计划 Schema，并对解析失败、字段缺失、非法工具和不可验证完成条件分别返回结构化错误。
失败三：Planner 同时负责审批和执行
模型提出动作、判断动作合法、执行动作、再宣布成功，整个链路没有独立检查。它一旦理解错目标，后面每层都会跟着错。
应对方式是分离职责：Planner 生成候选；Policy 检查权限；Executor 执行；Verifier 根据工具结果判断完成。
失败四：所有任务都进入昂贵规划
一个明确的单步查询也先让模型生成五步计划，会增加响应时间和上下文。规划不是越多越好。
可以先用规则或轻量分类判断：单步确定任务直接进入对应工具；需要多步和动态路径时再启动 Planner。
失败五：计划失效后从头重来
外部结果变化或某个工具失败后，系统丢掉全部已完成工作，重新生成整份计划。这样容易重复调用、增加成本，写操作还可能产生副作用。
应保留已验证的节点结果，只重规划受影响的局部；若状态可信度不足，再明确进入全量重建。局部与全量重规划的边界要有记录。
怎样验证 Prompt 规划真的带来价值
建立三类任务
第一类是路径固定的常规任务，主要验证混合方案不会为了规划增加无谓步骤。第二类是中途会出现空结果、冲突或缺失信息的动态任务，验证 Planner 能否改变路径。第三类是高风险任务，验证模型即使提出越权计划也会被系统拦截。
所有场景均应使用脱敏或教学数据。没有真实项目授权时，不要用生产写操作做实验。
分层判断计划质量
计划质量不是一个“看起来合理”的总分。至少分别检查：目标是否保持；必要步骤是否覆盖；依赖是否正确；工具是否存在；参数来源是否明确；完成条件是否可验证；是否包含越权或高风险动作。
执行后再看任务是否完成、发生几次重规划、哪些计划被规则拒绝、人工在哪些节点介入。不能用最终答案碰巧正确，倒推整份计划都是正确的。
做计划变更回放
当 Prompt、模型、工具描述或规则版本变化时，使用同一批任务重新生成计划，并比较结构差异。重点关注新增或丢失的必要步骤、工具选择变化、审批节点变化和预算变化。
回放记录应保留输入状态、计划版本、模型版本、校验错误和最终执行轨迹。这样出现退化时，才能确认是 Planner 变了，还是业务规则或工具变了。
对照纯 Workflow
动态任务中，混合规划可能减少人工配置的长尾路径；固定任务中，纯 Workflow 可能更快、更稳。评估应该允许这种结论，而不是把所有指标都设计成证明 Agent 更好。
需求频繁变化时，Prompt 一定比代码好维护吗
不一定。
Prompt 修改快，但它可能同时影响多个行为，回归边界不清；代码修改慢一些，却能通过类型、单元测试和明确分支控制影响范围。真正降低维护成本的不是把规则翻译成自然语言，而是把变化来源分开管理。
可以把系统拆成三类变化：
- 业务制度变化：进入规则或配置，带版本和审核。
- 工具能力变化：进入工具注册表和 Schema，处理兼容性。
- 长尾策略变化：进入 Planner Prompt，并通过固定任务集回归。
如果每次需求变化都只能重写一段大 Prompt，说明模块边界仍然不清晰。
规划控制权还要落实到数据和接口
很多设计在架构图上分清了 Planner 和 Workflow，落到代码里又重新混在一起：Planner 返回一段文本，Executor 从文本中猜工具和参数，业务代码再根据关键词决定是否放行。这样的接口没有真正边界。
可以为 Planner 单独定义输入和输出契约。输入只包含本轮需要的目标、当前状态、允许工具、硬约束和剩余预算；输出只允许候选子任务、依赖、参数来源和完成条件。敏感凭证、内部错误堆栈和不属于当前用户的数据，不应因为“帮助模型规划”而进入 Prompt。
计划进入系统后要有独立身份和版本。Prompt 版本变化、模型变化、工具 Schema 变化或业务规则变化，都可能让相同输入产生不同计划。Trace 至少要能回答：这份计划由哪个模型和哪版 Prompt 生成；它基于哪个状态版本；经过哪些规则；哪一版工具定义被允许；最终哪些节点实际执行。
Prompt 变更不能绕过发布流程
Prompt 看起来只是文字，但它改变的是控制策略。修改“优先调用哪个工具”“信息不足时是否继续搜索”“何时请求确认”，都可能改变真实行为。因此规划 Prompt 应像代码一样评审、版本化和回归，而不是在线上临时改一句就结束。
回归时不要只看最终答案。比较计划节点、必要步骤覆盖、工具选择、权限拒绝、人工节点和预算变化。若新 Prompt 让输出更流畅，却漏掉审批步骤，仍然是不合格变更。
业务规则也不要复制进多个 Prompt
同一条权限或合规规则若散落在 Router、Planner、Reflector 多个 Prompt 中，更新时容易出现版本不一致。确定规则应有单一事实来源，由后端统一执行；Prompt 只接收任务所需的规则摘要或结果。
计划失败必须有可理解的错误契约
校验器不要只返回 invalid plan。应区分结构错误、工具不存在、参数缺失、依赖冲突、越权、超预算和需要人工确认。Planner 只有收到准确、可公开的错误类型，才可能做有边界的修复。
错误契约也方便统计：若大量计划因同一个工具描述不清而失败，应该修改工具 Schema；若大量请求缺少用户参数，应该提前澄清；若经常越权，可能是候选工具过滤位置错误。不能把所有问题都归为“模型能力不够”。
一个适合面试展示的混合规划样本
可以选一条没有真实副作用的教学任务，展示三份材料：第一份是控制表，标出固定阶段、Planner 节点和人工节点；第二份是结构化计划及校验结果；第三份是工具返回后状态如何变化。
展示时要主动说明哪些是教学设计，哪些由自己真实实现。若只完成 Planner 和 Mock Executor，就不要说已经具备生产审批、状态恢复或多租户权限。面试官更看重边界是否诚实，而不是模块名称是否齐全。
面试官会怎样连续追问
追问一：为什么不用全 Prompt
因为权限、合规、状态迁移和不可逆动作要求确定性与审计，Prompt 不能成为安全边界。模型只处理可验证、可回退的局部规划。
追问二：为什么不用全部硬编码
当任务路径依赖实时反馈、长尾情况难以穷举时，完全硬编码会产生大量分支和维护成本。Planner 可以在受限候选中生成局部计划。
追问三：模型计划违反规则怎么办
计划先经过 Schema、工具存在性、依赖、预算和权限校验；越权动作被拒绝或转审批，错误信息进入状态后再决定是否重规划。
追问四：怎样防止模型漏掉必要步骤
把必要步骤写进 Workflow 模板或验证规则，而不是仅在 Prompt 里提醒。计划校验时检查必需节点是否存在。
追问五：Planner 与 Executor 为什么要分开
分开后可以独立校验计划、限制权限、替换执行方式，并清楚定位是规划错误还是工具错误。模型建议不再等同于真实执行。
追问六：你怎么评估维护成本
记录每类需求变化修改了哪一层、影响多少任务、回归失败在哪、需要多少人工处理。没有真实记录时只说明评估方法，不填结论数字。
一份能生成计划的 Prompt 只是起点，计划契约、权限和回放才构成工程闭环。
Prompt 与代码怎样分工：一段面试回答
Agent 的规划逻辑不应该全部写进 Prompt，也不应该全部硬编码。我会按确定性和风险分层：步骤固定、必须审计、涉及权限或不可逆操作的主干，用代码、规则或状态机控制；路径无法提前枚举、每一步又有可靠反馈的局部任务，才交给 LLM Planner。工程上，Planner 不直接执行工具，而是输出包含子任务、依赖、候选工具和完成条件的结构化计划。系统先检查 Schema、工具是否存在、依赖和预算，再做用户权限与风险校验，之后 Executor 一次执行一个节点，把结果写回状态。工具为空、约束变化时可以局部重规划；连续失败、越权或超预算就停止并转人工。验证时我会同时准备固定任务、动态任务和高风险任务，比较纯 Workflow 与混合规划，并保存计划版本、校验失败和执行 Trace。这样保留的是受控灵活性，而不是把业务控制权交给模型。
Prompt 与代码分工，项目里要留下哪些证据
回答前请确认自己能提供：
- 一张固定主干、模型规划点和人工节点分开的流程图。
- 一份真实但脱敏的计划结构，而不是只展示 Prompt。
- 必需步骤、工具、依赖、权限和预算的校验规则。
- 一条计划漏步、越权或失效的失败样本。
- Prompt、规则、工具和模型的版本记录。
- 纯 Workflow 与混合规划使用同一任务集的对照方法。
如果尚未实现计划校验或状态机，就把它说成下一步设计，不要把一段能生成步骤的 Prompt 包装成完整 Planner。工程化的分界线不在模型能不能列计划，而在系统能不能判断这份计划何时可信、何时拒绝、何时停止。