第 07 章测验

对应章节：最小 Agent Loop

共 8 题，答对率 ≥ 80% 即通过。请完成全部题目后点击「提交」。

Q1为什么一次单独的 LLM 调用「不是」一个 Agent？因为单次调用没有 API key 就无法工作因为单次调用只能回答，不能为了完成目标连续行动（要工具、看结果、再决定）因为单次调用返回的文本长度有限因为单次调用不支持流式输出

Q2最小 Agent Loop 中，谁负责「执行工具」？模型自己（LLM 直接运行工具代码） harness（我们手写的循环代码）用户手动执行操作系统内核

Q3循环在什么条件下会「继续下一轮」？模型返回了一段文本 content 模型返回了 tool_calls（要求调用工具）用户又发来一条新消息 iterations 是奇数

Q4判断循环是否继续时，为什么「看有没有 tool_calls」比看厂商的 stop_reason / finish_reason 更可靠？因为 stop_reason 字段在所有厂商里都不存在因为两家厂商的枚举语义不同（'tool_calls' vs 'tool_use'），且流式响应里 stop_reason 可能还没更新因为 tool_calls 解析起来更快因为 stop_reason 一定是字符串，无法比较

Q5代码阅读：下面这个循环为什么可能永远停不下来？ ```ts async function loop(messages) { while (true) { const r = await callLlm(messages); const out = await runTool(r.toolCalls); messages.push(r.message); messages.push({ role: 'tool', content: out }); } } ``` 因为 runTool 每次执行都会失败因为没有 stop 条件：只要模型每轮都返回 tool_calls，循环就永不退出因为 messages.push 会抛出异常因为 callLlm 只能被调用一次

Q6代码阅读：让上一题的循环停下来，最直接的做法是？把 while (true) 改成 while (iterations < maxIterations)，每轮迭代计数、超限即停删掉 messages.push 那两行把 runTool 换成异步版本在每次 callLlm 之前加一段 sleep

Q7与 ReAct 提示式（文本协议）相比，原生 tool calling（结构化协议）的优势是哪一项？任意文本模型都能用，不要求模型厂商支持 tool calling [object Object] 不需要在请求里声明工具的 JSON Schema 不需要把工具结果回填给模型

Q8工具执行结果必须回填成什么形状，模型下一轮才能正确配对？ { role: 'tool', tool_call_id: <对应 tool_calls[].id>, content: 输出 } { role: 'assistant', content: 输出 } { role: 'user', content: 输出 } { role: 'system', content: 输出 }