面试宝典

Appearance

第三方智能体面试题 ​

这部分面试别背定义，尽量按这条线回答：

它是什么 -> 解决什么问题 -> 和别的工具有什么区别 -> 为什么选它

下面我尽量用白话讲，碰到专业词时会顺手补一句人话。

一、平台定位 ​

1. Coze 是什么？适合做什么？ ​

我一般会说，Coze 是一个上手比较快的智能体搭建平台，适合先把一个能用的机器人做出来，再慢慢补能力。

比如做一个电商客服机器人，用户问“这单什么时候发货”，它先判断这是查物流问题，再去知识库里找发货规则，同时调物流接口查最新状态。最后它会把“已发货、当前到哪一站、预计多久到”这类信息直接回给用户；如果查不到单号，就继续追问订单号，而不是胡乱回答。

它最适合的场景是：

  • 业务方快速验证想法
  • 客服、运营、售后这类标准化场景
  • 需要尽快上线、尽快出效果的项目

2. Dify 是什么？和 Coze 有什么区别？ ​

Dify 我会理解成一个偏工程化、能自己部署的智能体平台。它的核心就是把流程画出来，接上工具和数据源，再把 AI 应用跑起来。

比如做一个请假审批助手，员工发“我想请 3 天年假”，系统先判断这是请假申请，再查当前年假余额和部门规则。如果额度够，就自动生成审批单；如果不够，就提示还差多少天，或者让员工改成事假。

和 Coze 比，Dify 更偏：

  • 自己部署
  • 流程编排
  • 知识库检索
  • 看日志、看过程
  • 通过接口给别的平台用

如果是企业内复杂流程、私有化部署、强集成，Dify 通常更顺手。

3. OpenClaw 是什么？和前两个有什么不同？ ​

OpenClaw 更像一个自己部署的消息网关，把聊天渠道和 AI agent 连起来。它不是单纯的聊天机器人，而是“消息入口 + 执行层”。

比如把飞书、Slack、WhatsApp 的消息统一接进来，用户在飞书里发“查订单 12345”，系统先识别这个人是谁，再把消息路由到售后 agent；同样的逻辑也能跑在 Slack 和 WhatsApp 上。这样不管用户从哪个入口进来，最后拿到的结果都一致。

它的特点是：

  • 自己部署，数据和控制权在自己手里
  • 多渠道接入
  • 会话、记忆、路由是核心能力
  • 更偏重度用户和开发者

如果说 Coze、Dify 更像“搭应用的平台”，OpenClaw 更像“把 agent 真正跑起来的消息网关”。

二、搭建流程 ​

1. Coze 的搭建流程 ​

我一般按“先做出一个能聊天的机器人，再一点点加能力”来搭。

  1. 新建一个 Bot，先把角色说清楚：它是谁、做什么、不能做什么。
  2. 先接一个模型，让它能正常回答。
  3. 把常见资料放进知识库，比如产品说明、FAQ、售后规则。
  4. 需要查数据的，就接插件或工具，比如查订单、查物流、查商品。
  5. 需要固定步骤的，就加工作流，比如“先识别意图，再查订单，再判断能不能退”。
  6. 在测试里多问几轮，看看会不会答偏。
  7. 没问题后，再发布到网页、飞书、微信这类渠道。

对我来说，Coze 的好处就是快，适合先跑通一个原型。

2. Dify 的搭建流程 ​

Dify 我通常按“先把流程画清楚，再把能力补齐”来做。

  1. 先新建应用。
  2. 简单问答就选 Chatflow，复杂步骤就选 Workflow。
  3. 配好模型和密钥，让应用先能跑起来。
  4. 接知识库，把规则、说明文档、业务资料放进去。
  5. 把外部接口做成工具，比如查订单、查库存、查退款状态。
  6. 在画布里把流程串起来，比如：开场 -> 判断问题类型 -> 查知识库/查工具 -> 生成答案 -> 兜底。
  7. 用日志看每一步有没有跑偏，再不断调整。
  8. 最后发布成网页、接口，或者给别的平台调用。

Dify 的好处是流程比较清楚，适合团队一起协作，也适合自己部署。

3. OpenClaw 的搭建流程 ​

OpenClaw 我会按“先把中间网关跑起来，再接聊天渠道和智能体”来理解。

  1. 先安装并启动 Gateway，它相当于总开关。
  2. 配模型和 API Key，让它知道去哪里调用大模型。
  3. 接聊天渠道，比如 Telegram、Slack、WhatsApp、飞书等。
  4. 打开控制台，看会话、日志和配置。
  5. 配记忆和路由，比如每个用户一份会话，或者不同场景走不同 agent。
  6. 注册工具或技能，让 agent 能查资料、调接口、看状态。
  7. 加好白名单和权限，避免乱接消息。
  8. 先小范围试跑，再正式上线。

OpenClaw 更适合想把控制权放在自己手里的人，尤其适合消息很多、渠道很多、还想统一管理会话的场景。

三、和 Spring AI / LangChain4j 的关系 ​

4. 第三方智能体平台，和 Spring AI / LangChain4j 这种框架有什么区别？ ​

我一般会这样区分：

  • Spring AI / LangChain4j：偏底层开发框架，核心是把大模型接进 Java 项目，做提示词、工具调用、知识库、记忆、结构化输出这些能力
  • Coze / Dify / OpenClaw：偏上层平台，核心是把这些能力画成流程，顺手把机器人、知识库、发布、监控也一起做了

简单说，框架解决的是“怎么接模型、怎么写逻辑”，平台解决的是“怎么更快搭出一个能跑的智能体应用”。

比如在 Java 电商系统里，Spring AI / LangChain4j 可以让后端先判断用户是不是在问退款。判断完以后，再去调订单接口看这单有没有发货，调退款接口看是否超时，调库存接口看商品是不是已经拆封，最后再按公司规则拼出一段自然语言回复给用户。

5. 它们之间是替代关系，还是互补关系？ ​

我会说是互补，不是绝对替代。

如果你用 Spring AI 或 LangChain4j，自由度更高，适合：

  • 深度集成现有 Java 系统
  • 复杂权限和业务流程
  • 强定制的工具链
  • 需要完全掌控代码和部署

如果你用 Coze、Dify 这类平台，优点是：

  • 上手快
  • 流程可视化
  • 业务同学也能参与
  • 适合快速验证和快速交付

6. 什么时候先用平台，什么时候直接用框架？ ​

我一般这样答：

  • 先用平台：需求还不稳定、想快速验证、业务规则会频繁变化
  • 直接用框架：核心能力要沉淀到自有系统里、对安全和扩展要求高、要和 Java 业务深度耦合

更现实的做法通常是：

  1. 先用 Coze / Dify 跑通原型
  2. 再把核心链路迁到 Spring AI / LangChain4j
  3. 把平台当验证工具，把框架当长期工程化方案

四、工作流与知识库 ​

4. 为什么智能体不能只靠大模型，要加工作流？ ​

因为纯靠大模型很容易胡编。

工作流的价值是把流程固定住，比如：

  1. 先识别意图
  2. 再查订单或查知识库
  3. 再调工具
  4. 最后做兜底或转人工

这样能减少胡编，也能让结果更稳定。

5. Dify 里的 Workflow 和 Chatflow 怎么区分？ ​

我会这么答：

  • Chatflow 更偏对话体验，强调一轮轮问答
  • Workflow 更偏流程编排，强调节点控制和状态流转

如果是客服问答、标准流程，Chatflow 很合适；如果是审批、检索、调用多个工具的复杂链路，Workflow 更适合。

6. 知识库为什么能提升准确率？怎么做才更稳？ ​

知识库的作用是让 AI 先查再答，而不是凭感觉回答。

我通常会从四个点答：

  • 切分要合理，别一大段全塞进去
  • 元数据要加好，比如类目、场景、版本
  • 检索时先缩小范围，再召回
  • 必要时加 rerank（再排一遍顺序）或者固定问答兜底

这样能明显提升召回和回答一致性。

7. Annotation / 固定问答有什么用？ ​

它适合高频、标准、不能答错的问题。

比如：

  • 退款时效
  • 发货规则
  • 运费险规则
  • 售后政策

这种问题命中固定问答后直接返回，比让模型重新生成更稳。

五、工具与多轮对话 ​

8. 工具调用怎么理解？ ​

工具调用本质上是让 AI 不要瞎猜，而是去调用真实系统拿结果。

比如：

  • 查订单
  • 查物流
  • 查商品类目
  • 查退款状态

面试里我会强调一句：工具负责真实数据，大模型负责理解和组织语言。

9. 多轮对话里，上下文怎么保存？ ​

我一般会说，至少要存这些东西：

  • userId
  • sessionId
  • orderNo
  • productId
  • 当前状态
  • 最近几轮关键上下文

重点不是全量保存，而是保存“后续还会用到的关键字段”，这样下一轮才能接着聊。

10. OpenClaw 的“多渠道 + 会话 + 记忆”有什么意义？ ​

它的意义是把一个 agent 放到真实的聊天和工作流里。

官方文档里强调的是：

  • 一个 Gateway 可以连多个渠道
  • 会话和路由是统一管理的
  • 支持 per-sender session 和 memory
  • 可以走多 agent 路由

这意味着它更适合做持续运行、持续记忆的个人或团队助手。

11. OpenClaw 的安全风险怎么回答？ ​

我会直接说它的风险比普通聊天应用更高，因为它会接触账号、会话、文件、渠道和工具。

所以面试时要提这几个点：

  • 最小权限
  • 白名单
  • 隔离运行
  • 审计日志
  • 第三方插件/技能要审查

一句话总结就是：Agent 越自动化，越要把安全边界说清楚。

六、选型与追问 ​

12. 如果业务方要尽快落地，你怎么选 Coze、Dify、OpenClaw、Spring AI、LangChain4j？ ​

我的选型一般是：

  • 要快、要业务同学能参与，优先 Coze
  • 要工程化、可观测、可私有化，优先 Dify
  • 要消息网关、自己部署、强自动化，优先 OpenClaw
  • 要把能力直接写进 Java 系统里，优先 Spring AI / LangChain4j

如果面试官继续追问，我会补一句：选型不看“谁更强”，看的是“谁最符合交付路径”。

13. 第三方平台和 Spring AI / LangChain4j 这种框架，到底有什么区别？ ​

我一般会这么答：

  • 第三方平台：像 Coze、Dify、OpenClaw，更像现成的搭建台，流程、知识库、工具、发布很多都帮你准备好了，适合快
  • 框架方案：像 Spring AI、LangChain4j，更像开发积木，代码控制力更强，适合深度接 Java 业务

简单说，平台更适合“先跑出来”，框架更适合“长期沉淀到自己的系统里”。

14. Spring AI / LangChain4j 能不能调用第三方智能体？ ​

能。更准确地说，是把第三方智能体当成一个外部服务来调用，不是把它当成本地代码直接跑。

我一般会分三种情况说：

  1. 第三方智能体有开放接口
    • 直接通过 HTTP 或 SDK 调用
    • 在 Spring AI / LangChain4j 里封装成一个工具就行
  2. 第三方智能体支持 Webhook、MCP 或统一接口
    • 也可以接
    • 本质还是“发请求 -> 拿结果”
  3. 第三方智能体只有网页，没有接口
    • 那就不适合正式集成
    • 只能走模拟操作，不建议作为主方案

我会把它总结成一句话：框架负责编排，第三方智能体负责完成某一段现成能力，两者可以联动。

15. 智能体和普通聊天机器人有什么区别？ ​

聊天机器人主要是“回答问题”。

智能体除了回答，还要能：

  • 记忆上下文
  • 调工具
  • 跑流程
  • 做多轮决策
  • 在不同渠道持续工作

这就是它和普通 Chatbot 的核心区别。

16. 为什么第三方平台不能完全替代 Spring AI / LangChain4j 这种框架方案？ ​

因为第三方平台适合快速验证，但核心业务还是要自己控制。

我一般会答：

  • 第三方平台负责提速
  • 框架方案负责沉淀业务能力
  • 核心规则、数据、权限、审计最好还是掌握在自己手里

所以更现实的做法不是二选一，而是“先用平台跑通，再把核心能力沉淀到自有体系里”。

七、参考 ​