自测题：LlamaIndex 智能体工作流（第 2 单元）
什么？！又是测验？我们知道，我们知道……但这个简短的不计分测验是为了帮助您巩固刚学到的关键概念。
本测验涵盖智能体工作流程和交互——这些是构建高效 AI 智能体的核心组件。
问题 1：AgentWorkflow 在 LlamaIndex 中的主要作用是什么？
以下哪项最能描述 AgentWorkflow 的主要作用？
- A. 运行一个或多个带有工具的智能体
- B. 创建没有记忆功能的单一数据查询智能体
- C. 自动为智能体构建工具
- D. 管理智能体记忆和状态
答案：A。AgentWorkflow 是快速创建包含一个或多个智能体的系统的主要方式。B 混淆为单一数据查询（那是 QueryEngine 的职责）；C 中构建工具是开发者的工作；D 并非其主要功能。
问题 2：哪个对象用于跟踪工作流的状态？
以下哪个对象用于跟踪工作流的状态？
- A. State
- B. Context
- C. WorkflowState
- D. Management
答案：B。Context 是用于跟踪工作流状态的正确对象。State、WorkflowState、Management 均不是正确的状态管理对象。
问题 3：如果希望智能体记住之前的交互，应该使用哪个方法？
如果希望智能体记住之前的交互，应该使用哪个方法？
- A. run(query_str)
- B. chat(query_str, ctx=ctx)
- C. interact(query_str)
- D. run(query_str, ctx=ctx)
答案：D。通过传入并维护上下文（ctx），我们可以保持对话状态。A 的 run 不会维护历史；B 的 chat 不是工作流的有效方法；C 的 interact 也不是有效方法。
问题 4：Agentic RAG 的关键特性是什么？
Agentic RAG 的关键特性是什么？
- A. 只能使用基于文档的工具在 RAG 工作流中回答问题
- B. 像聊天机器人一样无需工具自动回答问题
- C. 可以决定使用任何工具（包括 RAG 工具）来回答问题
- D. 仅适用于函数调用智能体
答案：C。Agentic RAG 具有使用不同工具回答问题的灵活性，包括基于文档的 RAG 工具。A/B 错误地认为它不用工具或只用文档工具；D 错误地将其局限于函数调用智能体。
明白了吗？太棒了！现在让我们简要回顾一下本单元！
小结
- AgentWorkflow 是创建包含一个或多个带工具智能体系统的主要方式。
- 工作流状态由 Context 对象跟踪，通过传入并维护 ctx 可保持对话记忆。
- Agentic RAG 的灵活性在于可自主决定调用任意工具（含 RAG 工具）来回答问题。