>_我的博客
$ cd ../blog
# markdown

成控智能客服 Agent:简历介绍与面试追问指南

// 面向面试准备的项目陈述与追问指南:如何定位项目、怎么写简历、30 秒到 5 分钟的讲法,以及 52 个高频问题的回答示例与边界说明。

成控智能客服 Agent:简历介绍与面试追问指南

本文基于当前仓库真实实现整理,用于准备项目陈述和模拟面试。

使用原则:

  1. 文中的第一人称回答都是模板,必须按自己的实际负责范围删改;没有做过的模块不要说“我独立设计/实现”。
  2. [X] 都是需要用真实数据替换的占位符,不要编造 QPS、准确率、性能提升或线上收益。
  3. 区分“代码中已有模块”和“已经接入普通聊天主链的能力”。模型弹性、HTTP 观测、Handoff 等尤其不能夸大。
  4. 推荐采用“结论 → 核心实现 → 设计权衡 → 当前边界 → 实际结果”的回答结构,避免只背技术名词。

1. 项目应该如何定位

1.1 推荐项目名称

业务应用方向优先:

成控智能客服与证据驱动的问题排查平台

Agent 基础设施方向优先:

可插拔 Agent Harness 与企业智能客服平台

不建议只写“AI 聊天机器人”,因为这个项目的主要价值不是简单调用大模型,而是把模型、业务工具、上下文、流式状态、权限和证据链组织成可运行的业务系统。

1.2 一句话介绍

面向成控业务的企业级智能客服与问题排查平台,基于 FastAPI、OpenAI Agents SDK 和 React,接入项目、订单、定额、商品等内部系统,通过工具调用、记忆、RAG 和流式交互完成业务问答,并通过独立的“计划—执行—证据门禁—结论”状态机,结合业务数据、Compass 源码知识和 FAST 日志完成可追踪的问题排查。

1.3 这个项目的四个核心卖点

  1. 不是单次模型调用,而是完整 Agent 运行时:有显式装配、能力注册、生命周期、工具过滤、Prompt、Memory、RAG、上下文压缩和 HITL。
  2. 不是让模型自由猜答案,而是证据驱动排查:独立调查状态机把计划、工具结果、证据和结论分开,必要证据不足时输出 blocked,而不是强行给根因。
  3. 不是只有后端接口,而是完整交互链路:包含普通聊天和调查两套 SSE 协议、取消、重放、思考过程展示、调查树和运营后台。
  4. 包含企业应用必需的非功能性能力:CAS/JWT、scope、用户/ IP 限流、会话持久化、敏感字段过滤、反馈、用量统计、日志和观测。

1.4 最适合强调的技术难点

难点 可以讲清楚的内容
通用能力与业务逻辑解耦 HarnessBuilder 显式装配;CapabilityManifest 描述元数据;Registry 调度 hooks;业务工具和 Skill 独立扩展。
大模型灵活性与排查确定性的平衡 普通聊天使用 Agent;高风险问题使用独立、受限、可审计的调查状态机。
流式请求的全生命周期 producer + Queue、序号、心跳、取消、Redis 帧重放、部分内容保存、MySQL 落库。
长上下文与用户状态 Redis 短期记忆、MySQL 会话与摘要、Mem0 长期偏好、输入超预算时压缩。
企业数据与权限边界 Principal/scope、RAG owner/public、调查 FAST 上下文、只读工具、敏感价格过滤、日志脱敏。

2. 简历上怎么写

2.1 项目描述模板

面向成控业务的智能客服与线上问题排查平台。后端基于 FastAPI 和 OpenAI Agents SDK 构建可插拔 Agent 运行时,接入内部业务 API、Compass 和 FAST;前端基于 React 实现普通聊天、智能排查、知识库及运营看板。系统支持 SSE 流式输出、会话持久化、Memory/RAG、HITL、CAS/JWT、反馈和用量统计。

技术栈可写:

Python、FastAPI、OpenAI Agents SDK、SQLAlchemy、MySQL、Redis、Mem0、RAG、SSE、Langfuse/OpenTelemetry、React、Vite、Ant Design、Docker、pytest

不必把依赖列表全部堆到简历上,优先保留自己真正能讲清楚的 8~12 项。

2.2 推荐简历 Bullet(按实际贡献选择 4~6 条)

Agent 运行时方向

  • 设计并实现基于 CapabilityManifest、CapabilityRegistry 和生命周期 hooks 的 Agent 能力体系,将 Memory、意图路由、Skill、槽位填充、RAG、Prompt 和上下文压缩接入统一运行链路,并通过 HarnessBuilder 显式管理共享资源与初始化/释放顺序。
  • 基于 OpenAI Agents SDK 封装流式 Agent Runtime,统一模型选择、工具白名单、系统 Prompt、RunContext、事件转换和 HITL RunState 恢复,隔离 HTTP 协议与 Agent 执行逻辑。
  • 实现 Markdown Skill 注册与意图路由机制,结合关键词、语义召回和模型精排选择技能,按技能动态过滤 FunctionTool,减少无关工具对模型选择的干扰。

智能排查方向

  • 设计独立的 InvestigationRuntime,将问题排查建模为 Plan、Step、ToolResult、Evidence 和 Conclusion,支持步骤并发、动态扩步和独立 SSE 事件,避免调查逻辑与普通聊天互相耦合。
  • 建立证据门禁和输出校验:聚合内部业务接口、Compass 源码契约及 FAST 日志,必要证据不足时返回 blocked/clarify,不把数据异常直接包装成确定源码根因。
  • 将项目、报价、定额、商品、类目和供应商变更等内部接口封装为受限只读工具,并针对定额等场景过滤敏感价格字段,统一参数、错误和业务证据格式。

后端工程方向

  • 构建普通聊天 SSE 服务,通过生产者与 Queue 解耦 Agent 执行和 HTTP 输出,实现事件序号、25 秒心跳、主动取消、Redis 帧缓存/断线重放及部分结果保存;会话、消息和摘要持久化至 MySQL。
  • 设计分层上下文方案:Redis 缓存短期消息和摘要,MySQL 保存权威会话与滚动摘要,Mem0 管理长期偏好;输入超模型预算时采用滚动摘要与 TokenBudget 组合压缩。
  • 接入 CAS Cookie 与 JWT 两种认证方式,基于 Principal/scope 做接口授权,在认证后执行用户/IP 维度限流;Redis 通过 Lua 实现原子令牌桶,内存实现用于单实例和测试。

全栈与运营方向(确实负责时再选)

  • 使用 React 和 Ant Design 实现聊天、技能选择、推理摘要、调查步骤树、证据详情、知识治理、反馈、用量和运营看板,并分别维护普通聊天与调查的 SSE 状态。
  • 建立消息点赞/点踩、会话星级、用量及身份映射模型,支持个人统计、管理员趋势分析、差评样本和 Excel 导出,为后续业务效果评估提供数据基础。

2.3 有真实数据后,如何补结果

优先补充以下四类数据:

  • 业务覆盖:接入 [X] 个内部系统、[X] 个只读工具,覆盖 [X] 类高频业务问题。
  • 效率:典型问题平均人工查询时间由 [X] 分钟降至 [X] 分钟,统计样本为 [X]。
  • 质量:在 [X] 条标注样本上,工具路由准确率为 [X]%,证据充分结论的可追溯率为 [X]%。
  • 工程规模:支持 [X] 个用户/[X] 条日会话,P95 首 token 时间为 [X],测试覆盖率达到 [X]%。

没有测量就写可核验的交付范围,不写“效率提升 80%”“准确率 99%”“支撑高并发”等无法证明的表述。

2.4 不建议出现的表述

不推荐 原因 更准确的写法
自研大模型/自研 Agent 框架从底层实现 项目使用 OpenAI Agents SDK,不是训练模型或重写 SDK。 基于 SDK 构建可插拔 Agent Runtime 与业务工具体系。
多 Agent 已全面支撑生产主流程 Handoff 是已实现的声明能力,但不是默认业务主链。 支持静态 Handoff 扩展;普通聊天以单 Agent + 工具编排为主。
已实现完整模型容灾 弹性 Runner 已存在,但普通聊天未调用。 实现独立 fallback/retry/timeout 组件,主链接入是后续工作。
分布式高可用、支持无限水平扩展 多处状态仍是进程内存,RAG 是本地文件。 当前以单实例/受限规模为主,并明确水平扩展改造点。
持久化 HITL/Checkpoint 两者当前都在进程内存,Checkpoint 也不是 RunState 持久化。 实现进程内审批与快照机制,通过客户端 RunState 恢复 HITL。
生产级分布式向量数据库 默认 RAG 是 JSON 文档、JSON 向量和 Python 余弦扫描。 实现轻量 RAG 全链路,后续可替换向量存储。
全链路 HTTP/Agent 观测均已接入 Langfuse Agent 观测存在,但 HTTP ObservabilityPlugin 未安装。 接入 Agent/工具观测;HTTP span 插件尚未进入实际协议链。

3. 面试时怎么讲

3.1 30 秒版本

这是一个面向成控业务的智能客服和问题排查平台。我主要负责 [实际模块]。项目后端基于 FastAPI 和 OpenAI Agents SDK,普通聊天通过可插拔能力链接入 Memory、意图、Skill、RAG 和工具;智能排查则采用独立状态机,把业务接口、Compass 源码分析和 FAST 日志组织成证据,证据不足时不会强行输出根因。工程上还实现了 SSE 取消与重放、MySQL 会话持久化、CAS/JWT、限流和运营统计。这个项目让我重点实践了 Agent 工程化,以及如何在大模型灵活性和业务确定性之间做边界设计。

3.2 1 分钟版本

这个项目解决的是成控业务查询和问题排查跨系统、链路长的问题。传统方式需要在项目、订单、定额、商品、日志和源码系统之间切换,单纯接一个大模型又容易出现工具选择不稳定、无证据下结论和会话状态难恢复的问题。

我在项目中主要负责 [实际职责]。整体分为普通聊天和智能排查两条链路:普通聊天由 AgentOrchestrator 调用 OpenAI Agents SDK,在执行前后通过 hooks 接入 Memory、意图路由、Skill、槽位、RAG、Prompt 和上下文压缩,再按技能筛选业务工具。智能排查没有复用自由聊天,而是使用独立状态机,把计划、工具执行、证据报告和结论分开,必要证据不足时返回 blocked,并支持 Compass 和 FAST 的进一步排查。

工程层面,普通聊天通过 producer 和 Queue 输出 SSE,支持心跳、取消、Redis 事件重放和 MySQL 持久化;同时加入 CAS/JWT、scope、限流和反馈用量统计。项目目前也有明确边界,例如 HITL/Checkpoint 仍是进程内状态、轻量 RAG 需要替换存储才能支撑大规模数据。最终业务效果是 [真实结果或交付范围]。

3.3 3 分钟版本与节奏

第一段:背景和目标(约 30 秒)

项目面向成控智能客服,既处理项目、订单、定额、商品等查询,也处理需要结合多类证据的问题排查。目标不是做一个聊天壳,而是让回答能调用真实业务数据、能追踪执行过程,并在权限和证据边界内工作。

第二段:总体架构(约 40 秒)

前端是 React,后端是 FastAPI。启动时由 HarnessBuilder 显式创建数据库、Redis、模型 Client、工具注册表和各能力实例,应用层再通过协议插件接入 RequestContext、认证和限流。数据上,MySQL 保存会话、消息、摘要、反馈和用量;Redis 负责 SSE 帧、短期缓存、槽位和限流;Mem0 负责长期偏好;轻量 RAG 使用 JSON 文档和向量文件。

第三段:普通聊天(约 40 秒)

/chat 请求进入 chat_service 后,由 AgentOrchestrator 创建 RunContext,依次执行 Memory、意图、Skill、槽位、RAG、UserPrompt、压缩和 Checkpoint hooks。随后 AgentFactory 解析系统 Prompt、筛选工具并调用 SDK 的 Runner.run_streamed。服务层把 SDK 事件转换为正文和思考事件,同时维护帧序号、心跳、取消、Redis 重放以及最终的 MySQL 落库。

第四段:智能排查和个人重点(约 50 秒)

排查链路与普通聊天隔离,因为排查更关注确定性和证据,而不是自由对话。InvestigationRuntime 驱动 Plan 和 Step,业务 Adapter 调用只读业务接口、Compass 和 FAST,再生成证据报告。证据门禁检查关键证据是否充分,不足时输出 blocked 或 clarify;前端按父子步骤展示工具、日志、接口和结论。我在其中具体负责 [问题、方案、关键代码、结果],遇到的最大难点是 [真实难点],通过 [真实方案] 解决。

第五段:结果与复盘(约 20 秒)

项目完成了 [实际交付范围],业务指标是 [真实数据,没有就不说]。如果继续迭代,我会优先把 HITL/调查协调状态服务端持久化,给流式 Queue 增加背压,将轻量 RAG 替换为可扩展向量存储,并把已有模型弹性和 HTTP 观测组件真正接入主链。

3.4 5 分钟深入版的追加内容

在 3 分钟版本基础上,选择自己最熟悉的一块展开,不要五条主线平均用力:

  • Agent 方向:重点讲 Capability 与 Builder 的职责差异、工具过滤、Memory/RAG/压缩的顺序。
  • 后端方向:重点讲 SSE 生产者、取消/重放/HITL 三种状态、MySQL 与 Redis 的一致性边界。
  • 业务/算法应用方向:重点讲意图与 Skill、证据门禁、FAST 查询计划、Compass 契约校验和输出防漂移。
  • 全栈方向:重点讲两套 SSE parser、前端调查事件状态树、反馈与运营看板。

4. 高频追问与回答示例

A. 项目价值与个人贡献

Q1:这个项目到底解决了什么问题?为什么不直接问 ChatGPT?

回答示例:

它解决的是企业内部成控数据查询和问题排查,不是开放域聊天。答案依赖项目、订单、定额、商品等内部系统,有时还需要源码契约和 FAST 日志。通用模型没有这些实时数据,也不应直接拥有任意内部系统访问权限。项目通过受限 FunctionTool 获取业务事实,再让模型组织回答;排查场景还增加证据门禁、权限控制和过程展示,因此核心价值是“模型编排 + 企业数据 + 工程控制”,而不是模型本身。

Q2:你个人负责哪一部分?

回答模板:

项目整体包含 Agent Runtime、调查状态机、业务工具、存储和前端。我个人主要负责 [模块],独立完成了 [具体交付],与团队协作完成了 [边界]。我最熟悉的是 [关键文件/调用链],可以重点展开这部分;其他模块我理解整体设计,但不会把团队工作都归为个人贡献。

最好准备“一个主模块 + 一个辅助模块”,而不是泛泛回答“我负责后端”。

Q3:项目最大的技术难点是什么?

推荐回答(选择自己真正做过的部分):

最大的难点不是调用模型,而是控制不确定性。普通问答可以允许 Agent 自主选工具,但问题排查如果完全自由执行,容易出现参数无来源、证据不足仍给根因、步骤无法复现等问题。因此把调查拆成独立状态机,用结构化 Plan/Step/Evidence 约束过程,参数必须来自用户原文或只读证据,必要证据不足时阻断结论。这是在模型能力和业务可信度之间做的关键权衡。

Q4:为什么不用一个巨大的 Agent Service 完成所有功能?

回答示例:

那样会把协议、模型、记忆、工具和业务数据访问揉在一起,后续修改一个能力容易影响整条链路。当前用 App Factory 管 HTTP,用 HarnessBuilder 管资源和生命周期,用 AgentOrchestrator 管一次运行,用 Capability hooks 管横切能力,用独立 InvestigationRuntime 管调查。边界更清晰,也便于替换存储、模型和单项能力。代价是装配代码和概念更多,所以 Manifest 只负责描述,没有再做一个复杂的自动依赖注入框架。

Q5:项目的实际结果是什么?

回答原则:

优先说可核验事实,例如“接入了哪些系统”“支持哪些完整流程”“上线到哪个环境”“有多少真实用户/样本”。如果有效率或质量数据,要同时说明统计口径。没有数据时可以说“目前我能确认的是功能交付和技术结果,业务提升比例没有经过严格测量,我不会给出虚假数字”。

Q6:如果重新做一次,你会改变什么?

回答示例:

我会更早把运行状态的服务端持久化和多实例约束纳入设计。当前 HITL、Checkpoint、调查互斥仍有进程内状态,轻量 RAG 也不适合大规模数据。其次会把模型弹性和 HTTP 观测直接接入主链,而不是只保留独立模块;同时建立固定业务评测集,持续评估意图路由、工具选择和证据充分性。

B. Agent、Harness 与上下文

Q7:Harness、AgentOrchestrator、Capability 分别是什么?

回答示例:

Harness 是组合根和资源容器,负责创建、连接和释放模型 Client、数据库、Redis、工具与能力;AgentOrchestrator 是一次普通 Agent Run 的门面,负责 RunContext、hooks、Agent 创建、SDK 调用和事件输出;Capability 是生命周期或运行阶段的扩展点,例如 Memory 在 BEFORE_RUN 读取上下文、AFTER_RUN 写回消息。三者分别解决“系统如何装配”“一次请求如何执行”“能力如何扩展”。

Q8:CapabilityManifest 是不是一个自动装配框架?

回答示例:

不是。Manifest 描述能力名称、类型、依赖、产物和顺序,主要用于目录、健康快照和依赖校验;Registry 负责已注册实例的 hook 分发;真正实例化仍由 HarnessBuilder 或 App Factory 显式完成。这是有意保留的显式装配,避免通过字符串和隐式扫描产生难以追踪的依赖关系。

Q9:普通聊天 BEFORE_RUN 的执行顺序是什么?为什么这样排?

回答示例:

当前顺序是 Memory → IntentRouting → Skill → SlotFilling → RAG → UserPrompt → ContextCompression → Checkpoint。先恢复用户上下文,再决定意图和技能;技能确定后才知道需要哪些槽位和工具;之后检索知识、渲染最终用户 Prompt,在调用模型前按输入预算压缩,最后保存运行前快照。顺序由安装顺序和名称确定,不应依赖注册偶然顺序。

Q10:Skill、意图路由和槽位填充分别解决什么?

回答示例:

Skill 是业务领域声明,包含说明、关键词、Prompt、工具白名单和槽位等;意图路由决定用户问题更适合 chat 还是某个技能,可使用关键词、语义召回和模型精排;槽位填充负责收集订单号、项目 ID 等执行所需参数,缺参时澄清,齐全后把参数注入上下文。它们把“说什么领域”“选哪个流程”“参数是否足够”分开。

Q11:为什么需要动态工具过滤?直接给模型全部工具不行吗?

回答示例:

工具越多,名称和描述越相似,模型选择成本和误调用概率越高,也会扩大权限面。项目用 ToolRegistry 管理 audience、审批和启用状态,再根据 Skill/Intent 的 allowlist 构造当前 Agent 的工具集。调查专用工具不会默认暴露给普通聊天。这不是绝对的安全边界,真正的权限和业务校验仍要在工具内部执行。

Q12:Memory 与上下文压缩是不是一回事?

回答示例:

不是。Memory 是跨轮、跨会话的上下文管理:Redis 保存短期缓存,MySQL 保存权威会话、消息和滚动摘要,Mem0 保存长期偏好。ContextCompression 只在单次模型输入超预算时工作,用滚动摘要或 TokenBudget 缩减输入。MySQL 会话摘要、Redis 压缩摘要和进程内 Checkpoint 的目的与生命周期都不同。

Q13:RAG 的检索流程是什么?

回答示例:

文档先分块、生成 embedding 并保存 owner/public/retrieval 元数据。查询时高相关快路径可以直接返回;否则通过模型扩展多个查询,分别做向量召回、去重,再由模型重排,最后注入用户上下文。当前向量存储是 JSON 文件加 Python 余弦扫描,优势是实现简单、便于验证链路,瓶颈是数据规模和并发,生产扩展时应替换存储而不是继续优化全量文件扫描。

Q14:为什么 Prompt 要做 Langfuse + YAML 双 Store?

回答示例:

远端 Prompt 便于运营、版本管理和灰度,但远端故障不应直接导致本地模板全部不可用。CompositeStore 默认 Langfuse 主、YAML 备,Manager 再做 TTL 缓存和 warmup。降级只针对模板获取失败,不能把它误解为模型服务降级。

Q15:项目是否支持多 Agent Handoff?

回答示例:

仓库支持基于静态配置创建 SDK 专家 Agent 和 handoff 目标,复用主模型,并有相应示例与测试。但当前普通业务主链主要还是单 Agent + 工具编排,不能声称所有聊天都在多 Agent 协作。Handoff 更适合职责和上下文差异稳定的专家任务,是否启用要评估调试复杂度和状态转移成本。

Q16:项目是否支持模型 fallback、retry 和 timeout?

回答示例:

仓库有独立的 ModelRouter 和弹性 Runner,组合方式是总 timeout 包 fallback、fallback 包单模型 retry,并有示例和测试。但普通聊天主链目前直接调用 Runner.run_streamed,没有调用 run_with_resilience。所以准确说法是“实现了独立弹性组件,尚未接入普通聊天主流程”,不能把配置打开就说主链已经具备容灾。

Q17:为什么不选择 LangChain/LlamaIndex?

回答示例:

这个项目的关键需求与 OpenAI Agents SDK 的 Agent、FunctionTool、流式 Runner、Handoff 和 interruption/RunState 比较匹配,因此直接基于 SDK 做薄封装,减少重复实现。项目没有声称在所有维度优于其他框架;如果团队已有 LangChain 生态或需要其检索/集成组件,也可以重新评估。更重要的是把业务工具、会话和能力接口与具体 SDK 隔离,降低替换成本。

C. SSE、取消、恢复和状态

Q18:为什么用 SSE,不用 WebSocket?

回答示例:

当前主要是服务端持续推送正文、思考和调查事件,客户端发送新问题仍走普通 HTTP,双向实时通信需求不强。SSE 基于 HTTP,浏览器支持简单,也便于使用事件序号和重连语义。WebSocket 更适合高频双向通信,但会引入额外连接、协议和运维复杂度。

Q19:流式输出是怎么实现的?

回答示例:

chat_service 创建后台 producer 消费 runtime.run_stream(),把事件转换成带序号的 SSE 帧并放入 Queue,HTTP 协程再从 Queue 输出。25 秒没有普通事件时发送 ping,避免连接长时间无数据。producer 同时负责缓存和最终持久化,HTTP 输出与 Agent 执行因此有一定解耦。当前 Queue 无界,高并发下需要增加容量、超时和背压策略。

Q20:取消、断线重放和 HITL 恢复有什么区别?

回答示例:

取消是终止当前生成,结合进程内任务和 Redis 标记,并尽量保存已生成内容;断线重放仍调用 /chat,用 lastEventId 或 turnId 读取 Redis 中的 SSE 帧,缓存 TTL 当前为 600 秒;HITL 恢复调用 /chat/resume/stream,依据 SDK RunState 和审批结果继续或终止一次 Agent Run。三者解决的问题完全不同。

Q21:HITL 是怎么实现的?

回答示例:

SDK 工具调用产生 interruption 后,运行时把 RunState 序列化并返回审批信息。用户批准或拒绝后,恢复接口还原状态;批准会重新运行,拒绝则不再调用模型并执行结束逻辑。当前审批请求和 Checkpoint 都是进程内存,RunState 由客户端回传,适合验证流程,但生产环境还应改成服务端持久化、审批人鉴权、过期控制、签名/防篡改和完整审计。

Q22:Checkpoint 与 RunState 有什么区别?

回答示例:

Checkpoint 是项目自定义 AgentState 的进程内快照,用于运行前后保存和调试恢复;RunState 是 Agents SDK 的中断运行状态,包含继续执行所需的信息。当前不能拿一个内存 Checkpoint 就跨进程恢复 HITL,也没有完整的生产 Checkpoint 恢复 API。

Q23:客户端断开后,如何保证消息不丢?

回答示例:

Redis 帧缓存提供有限 TTL 的重放,producer 会把正常结束或部分取消内容写入 MySQL,但这不等于端到端 exactly-once。要应对进程崩溃、多实例和重复提交,还需要服务端 turn 幂等键、持久事件日志、明确提交点、重放游标和重复消息去重。当前实现更准确的描述是“提高断线恢复能力”,不是“绝不丢消息”。

Q24:流式响应里能看到每一次工具调用吗?

回答示例:

普通聊天当前直接流式输出正文和推理摘要,工具调用与结果主要在最终 end.tool_calls 中汇总;智能排查有另一套更细的 Plan/Step/Evidence 事件。如果普通聊天也要实时工具进度,需要扩展 stream_events 和前端协议,同时注意工具参数和结果中的敏感数据。

Q25:多实例部署时,取消和恢复还能正常工作吗?

回答示例:

Redis 标记和事件缓存有利于跨请求共享,但活跃 asyncio 任务、审批、Checkpoint 和调查互斥仍有进程内状态,因此不能简单认为任意请求落到任意实例都正确。需要 sticky routing 或取消消息广播,并把运行状态、审批和锁迁移到持久存储/分布式协调组件。

D. 智能排查与证据链

Q26:为什么智能排查不做成普通聊天中的一个 Skill?

回答示例:

普通 Skill 更适合约束某个问答或工具调用,而调查有长生命周期、步骤依赖、动态扩步、证据门禁和独立前端状态。如果塞进普通 Agent,协议和状态会混杂,模型自由决策也更难审计。独立 Runtime 可以明确每一步需要什么输入、产生什么证据、何时允许结论;代价是要维护第二套 SSE 和会话状态。

Q27:证据门禁如何降低幻觉?

回答示例:

它把“生成一个看似合理的解释”改成“先满足结构化证据要求”。计划定义必要步骤,工具结果转换为 Evidence,Runtime 和 Adapter 检查必要数据、接口契约和日志证据是否齐全。不足时输出 blocked 或 clarify,不允许把猜测写成确定根因。它不能彻底消除模型错误,因此还需要参数来源限制、输出校验和人工可查看的工具轨迹。

Q28:Compass 和 FAST 在排查中分别负责什么?

回答示例:

Compass 提供源码搜索、调用链、影响和契约分析,回答“代码应该如何工作”;FAST 提供限定项目和时间窗的日志,回答“实际运行时发生了什么”;内部业务 API 提供项目、订单、报价等事实数据。三类证据相互补充,不能用源码推断代替真实日志,也不能仅凭一条日志就断言业务根因。

Q29:调查中的动态扩步和并发怎么理解?

回答示例:

初始计划不是永远固定的,前置只读工具发现新的项目、单据或源码线索后,可以追加后续 Step;相互独立的步骤可以并发执行,有依赖的步骤按状态推进。扩步必须受工具白名单、参数来源、调用预算和证据要求约束,不能变成无限自主探索。

Q30:基础诊断与最终根因有什么区别?

回答示例:

基础诊断只识别确定的数据或状态冲突,例如多个值不一致、数量异常、父子单据状态不匹配。它可以明确指出“哪里异常”,但没有源码和日志证据时不能进一步声称“由哪段代码导致”。这种分层让结论措辞与证据强度一致。

Q31:FAST 查询如何避免变成任意日志/网络访问入口?

回答示例:

工具不是接收任意 URL 任意查询,而是封装固定服务访问;项目范围、时间窗、关键词和条数有限制,同时做 HTTPS、host、DNS/IP 等安全校验,结果还进行脱敏、去重和每轮预算控制。业务调查上下文还要校验用户权限。具体规则应随部署环境持续做安全审计。

Q32:如何评估调查功能是否真的有效?

回答示例:

应建立带标准答案的历史问题集,分别评估参数提取、步骤选择、证据完整性、根因准确性和 blocked 是否合理,并记录平均工具调用数、耗时和人工接管率。当前仓库工程测试较丰富,但不能把单元测试通过等同于排查准确率;如果尚未形成固定业务评测集,应如实说明这是后续重点。

E. 存储、权限与数据设计

Q33:为什么同时使用 MySQL、Redis、Mem0 和 JSON 文件?

回答示例:

它们承担不同一致性和生命周期职责。MySQL 是权威业务数据,保存会话、消息、摘要、反馈和用量;Redis 保存短期缓存、SSE 帧、槽位、压缩摘要和限流状态;Mem0 面向长期偏好记忆;JSON/JSONL 用于轻量 RAG 与知识审核事件。不是存储越多越好,而是当前实现按规模和迭代阶段做了取舍,后续应减少单实例文件和内存状态。

Q34:会话相关的三张核心表分别做什么?

回答示例:

chat_sessions 保存会话及类型、用户等元数据;chat_messages 保存角色、内容、轮次等消息记录;chat_session_summaries 保存会话滚动摘要。Store 层支持普通/调查类型隔离、软删除、近期消息和摘要读写,消息外键用于级联清理,turn_id 和索引用于轮次关联及查询。具体字段和索引可以从 docker/mysql/initdb/001_session_store.sql 与 ORM 模型对照说明。

Q35:为什么需要用户身份映射?

回答示例:

系统可能同时出现 ucid 和 account 等身份来源,如果直接按单一字符串统计,同一用户会被拆成多条记录。user_identity_map 用于归并身份,让用量、会话和运营看板能按统一用户视角聚合。映射写入和合并仍需注意唯一性、冲突和审计。

Q36:CAS 和 JWT 分别用于什么场景?

回答示例:

CAS 更适合浏览器 SSO:登录接口校验 ticket、写 session cookie,后续通过 cookie token 获取 Principal;JWT 更适合 Bearer/X-Api-Token 的服务或 API 调用,Backend 验签并校验 exp、issuer、audience、sub 和 scopes。认证插件把 Principal 写入 request.state,后续路由和限流复用。JWT Backend 只验证,不负责签发 token。

Q37:为什么限流放在认证之后?

回答示例:

这样可以优先按已认证用户限流,而不只是按 IP,避免 NAT 后多个用户相互影响。插件仍支持路由覆写、用户/IP 维度、429 和响应头。Redis Lua 保证令牌桶计算原子性;Memory backend 只适合单实例或测试。认证失败和匿名请求的策略仍要结合具体路由配置。

Q38:如何防止敏感价格或跨用户数据泄露?

回答示例:

需要多层控制:接口先做 Principal/scope 和资源归属校验;RAG 按 owner/public/retrieval 过滤;Memory 接口校验用户维度;业务工具限制为只读,并在定额等场景过滤价格、金额、成本字段;日志和观测做敏感字段 mask。工具白名单不能替代服务端授权。当前仍应持续审计 Memory 管理接口、RAG 空 owner 语义和客户端 RunState 等边界。

Q39:Redis 读写分离有什么一致性风险?

回答示例:

当前客户端写 master、读优先 slave,能分担读压力,但主从延迟下可能出现刚写完读不到,影响短期记忆、槽位或重放等对读己之写有要求的场景。处理方式是按数据语义选择强制读 master、带版本/游标、或接受最终一致,而不是所有 key 都采用同一策略。

F. 可靠性、测试、部署与演进

Q40:项目的可观测性做到什么程度?

回答示例:

核心日志有 Request ID、ContextVar、结构化 JSON、滚动文件和字段脱敏;Langfuse 能力可以初始化 Agent/工具观测并记录 session、user 和输出。但当前 HTTP 协议链只有 RequestContext、Auth、RateLimit,ObservabilityPlugin 没有实际安装,因此不能说 HTTP span 已经全链路生效。后续需要把 HTTP trace、模型调用、工具执行和业务 turn 用统一 ID 关联。

Q41:怎么做测试,Agent 输出不确定怎么办?

回答示例:

单元测试用假模型和临时存储验证状态机、权限、事件转换、压缩、RAG 和 Store;集成测试验证协议链和能力装配;真实模型与 Langfuse 等外部测试单独验证。对模型不确定性,应把“代码逻辑是否正确”和“模型效果是否足够好”分开:前者用确定性断言,后者用固定评测集和统计指标。仓库部分外部测试的开关保护和异常转 bool 问题也需要继续修正。

Q42:项目是否已经有完善的端到端测试?

回答示例:

有 unit、integration、e2e 和 Node smoke,但不能简单说全部自动化完善。默认 pytest 只收集 unit;部分 integration/e2e 可能访问真实外部服务;两个高级 E2E 文件没有 test_* 函数,默认零收集;部分脚本有返回 bool 的假阳性风险。因此面试时应该讲测试结构和改进计划,不报未经验证的通过率或覆盖率。

Q43:Docker 和前端是怎么部署的?

回答示例:

Vite 构建输出到 src/static,FastAPI 根路径直接托管;本地开发则由 Vite 代理到 8080。当前 Dockerfile 只复制已有 src/static,不会在镜像内执行 npm build,所以构建流水线必须先生成最新前端产物。Moma/SCF 另有 vendor 依赖、前端构建、ZIP 分片上传和切流脚本。

Q44:如果流量提高十倍,最先优化什么?

回答示例:

先测量,不直接猜。重点检查模型首 token 与总耗时、业务工具耗时、Queue 堆积、Redis/DB 延迟和事件缓存大小。架构上优先处理无界 Queue、进程内活跃任务/调查锁、JSON 向量全量扫描,以及 HITL/Checkpoint 单实例状态;然后才是缓存和模型参数调优。优化目标要分别看首 token、完整回答、工具调用和资源占用。

Q45:普通聊天为什么还没有接入模型弹性?

回答示例:

独立 Runner 已验证 fallback/retry/timeout,但流式主链接入不是简单包一层函数:需要处理首 token 前后的重试差异、已经输出的内容、工具副作用、usage 合并、取消传播和 fallback 后的事件一致性。当前未接入是事实,后续应先定义流式重试边界,再改造 Runtime,而不是对整条流盲目重复执行。

Q46:如何保证业务工具调用安全、幂等?

回答示例:

当前核心业务工具以只读查询为主,从根本上降低模型重复调用产生副作用的风险;再通过参数校验、权限、调用预算和超时控制限制执行。未来加入写操作时,需要审批、幂等键、服务端操作审计、防重放和明确的重试策略,不能沿用只读工具的假设。

Q47:知识治理为什么采用草稿—审核—撤销?

回答示例:

用户反馈或业务修正不能直接成为所有用户可见的知识,否则错误或恶意内容会污染 RAG。当前用 JSONL 追加草稿、approve、revoke 等事实,再把审核通过的内容投影到 RAG,撤销时删除,启动时 reconcile。优点是过程可追踪,局限是文件存储和并发能力有限,生产扩大后应迁移到事务型存储和正式审核流程。

G. 综合设计与行为追问

Q48:这个项目有哪些不足?

回答示例:

我会把不足分成四类:状态方面,HITL、Checkpoint、调查互斥和活跃任务仍有进程内状态;规模方面,RAG 是本地 JSON 全量扫描,普通 SSE Queue 无界;主链方面,模型弹性和 HTTP 观测模块尚未真正接入;评估方面,工程测试多于业务效果评测。我不把它包装成已经完全分布式、生产完备的平台,但这些边界也使下一步改造方向比较明确。

Q49:你遇到过的最难 Bug 是什么?

回答模板:

必须换成自己真实处理过的问题。推荐按“现象 → 影响范围 → 如何定位 → 根因 → 修复 → 回归测试 → 如何防止复发”回答。不要只说“改了一个配置”,要展示如何利用日志、事件序号、RunState、SQL/Redis 数据或最小复现缩小范围。若没有线上事故,可以讲测试中发现的状态恢复、事件顺序或权限隔离问题。

Q50:如何避免这个项目变成过度设计?

回答示例:

判断标准是扩展边界是否对应真实变化。模型 Client、数据库、能力和业务工具确实需要独立生命周期,所以 Builder 和 Runtime 分离有价值;调查与普通聊天的状态差异真实存在,所以独立 Runtime 也有价值。但没有再引入通用自动装配、服务网格或复杂消息总线。后续每增加一层抽象,都应有至少两个真实使用场景或明确替换需求。

Q51:如何和业务方确认系统有用,而不是演示效果好?

回答示例:

先选高频、答案可核验的场景,记录人工基线;再用同一批问题比较查询耗时、正确率、转人工率和用户反馈。对调查场景还要抽检证据链,区分“回答听起来合理”和“结论被证据支持”。点踩样本、会话星级和用量数据可用于发现问题,但最终仍需结合标注集和业务复盘。

Q52:下一步最重要的三件事是什么?

回答示例:

第一,把 HITL/RunState、审批、调查协调和事件游标做成服务端可恢复、可审计的状态,解除单实例限制;第二,补齐流式背压、模型弹性和 HTTP/工具全链路观测,并定义故障语义;第三,建立真实业务评测集和向量存储升级方案,用数据持续评估意图、工具选择和调查结论。具体优先级仍要根据真实流量和事故风险决定。


5. 面试官可能要求现场深挖的代码

主题 重点文件 至少要能回答
应用启动 src/main.py、src/api/app.py、src/harness/builder.py 何时创建 App、谁拥有资源、启动/关闭顺序是什么。
普通聊天 src/api/routers/chat.py、src/services/chat_service.py producer/Queue、缓存、取消、重放、落库分别在哪里。
Agent 主链 src/application/orchestration/agent_runtime.py、agent_factory.py hooks 顺序、工具过滤、模型调用、HITL 分支。
能力机制 src/capabilities/plugin/base.py、registry.py、src/harness/manifest.py Manifest、Registry、Builder 的职责区别及异常语义。
会话存储 src/capabilities/session_store/models.py、store.py、docker/mysql/initdb/001_session_store.sql 三表关系、软删除、turn_id、摘要、KMS 和类型隔离。
调查 src/capabilities/investigation/runtime.py、src/business/investigation/production_issue_adapter.py 状态机、证据门禁、动态扩步、blocked/conclude。
流式恢复 src/services/chat_stream_cache.py、src/application/orchestration/agent_resume.py Redis 重放与 RunState 恢复的区别、TTL 和进程内边界。
认证限流 src/api/middleware/assembler.py、auth/plugin.py、rate_limit/plugin.py 请求顺序、Principal、用户维度限流和失败策略。
前端两条流 frontend/src/api/index.js、hooks/useChat.js、components/InvestigationPanel.jsx 两种事件协议和前端状态为什么不能混用。
测试 tests/unit/test_agent_runtime_resume.py、test_investigation_runtime.py、tests/README.md 如何 mock 模型、验证状态机,以及外部测试限制。

建议至少能脱离文档画出两张图:普通聊天时序图和调查状态转换图,并能指出每个状态存在哪里、进程重启后会发生什么。


6. 不同岗位应如何调整重点

应聘方向 重点讲 少讲或作为补充
Agent/大模型应用 Runtime、工具编排、意图/Skill、Memory/RAG、HITL、证据门禁、模型评测。 纯 CSS、普通 CRUD。
Python 后端 SSE、异步任务、MySQL/Redis、认证限流、事务与一致性、背压、多实例改造。 Prompt 文案细节。
全栈 两条 SSE 链、React 状态、调查树、后端接口契约、构建部署。 过细的 SDK 内部原理。
平台/架构 Harness 边界、显式装配、能力生命周期、存储替换、故障语义、水平扩展。 单个业务接口字段。
初中级岗位 一个完整模块的输入、处理、输出、异常和测试。 不要把所有架构概念都背一遍却讲不出代码。
高级岗位 设计权衡、数据一致性、安全边界、故障恢复、业务指标、演进优先级。 只罗列依赖和接口数量。

7. 面试前准备清单

必做准备

  • 把个人贡献限定为 1 个主模块和 1 个辅助模块,并准备对应代码。
  • 脱稿讲完 30 秒、1 分钟和 3 分钟版本。
  • 画出普通聊天链路和调查状态机。
  • 讲清楚取消、SSE 重放、HITL、Checkpoint 四者的区别。
  • 讲清楚 MySQL、Redis、Mem0、JSON、进程内存分别存什么。
  • 准备一个真实 Bug 或设计取舍,包含定位过程和回归验证。
  • 准备一个没有实测数据时的诚实结果表述。

有数据再补充

  • 接入系统、工具、技能和真实用户的准确数量。
  • 真实模型名称、部署环境及是否实际上线。
  • 首 token、完整响应、工具调用的 P50/P95。
  • 典型业务问题的效率提升及样本口径。
  • 意图、工具选择、证据门禁和根因准确率评测。
  • 当前测试通过率、覆盖率和实际执行命令。

最后自检

  • 没有把团队成果全部写成个人成果。
  • 没有把“已有模块”说成“已接入主链”。
  • 没有把单进程状态说成跨实例高可用。
  • 没有把单元测试通过说成业务准确率。
  • 没有编造性能、用户量或收益。
  • 能主动说出至少三个不足及对应改造方案。

8. 最推荐的一段收尾

当面试官问“你从这个项目学到了什么”,可以这样收束:

我最大的收获是,大模型应用的难点往往在模型之外。模型负责理解、规划和表达,但企业系统还必须回答几个问题:数据从哪里来、工具为什么可以调用、执行到哪一步、证据是否足够、断线后如何恢复、用户是否有权限、失败时如何观测。这个项目让我从“让 Agent 能回答”进一步实践到“让 Agent 的回答可追踪、可限制、可恢复、可评估”。同时我也更清楚地看到当前实现距离分布式生产系统还有哪些差距,以及下一步应该优先补哪些能力。