模拟二：教材 Agent 项目深挖

**建议时长：60 分钟。**目标是验证候选人能从需求一路讲到代码、版本、审校和交付，并解释为什么这样设计。

准备一份运行记录：任务输入、命中资料、规则版本、初稿、评审、修订差异、人工决定、素材状态、交付清单。没有实际运行记录时仍可按方案推演，但开场明确说明，证据项按实际情况评分。

时间安排

时间	环节	对应问题
0–5 分钟	项目讲解	五分钟讲稿
5–15 分钟	需求、检索与证据	Q05、Q06
15–27 分钟	独立评审与局部修订	Q09、Q10
27–37 分钟	人工处理与恢复	Q12、Q11
37–49 分钟	素材与版本	Q13、Q15
49–57 分钟	评测与事实依据	Q16、Q24
57–60 分钟	候选人反问与总结	说出最重要的已知限制

开场：限定项目与事实

面试官原话：“请用五分钟介绍项目，重点说你负责什么、系统怎样工作、结果有什么依据。”

参考项目讲稿的结构：历史背景与职责 → 本次复现定位 → 一次内容流转 → 关键取舍 → 验证与局限。不要混用“历史上线项目”和“本次学习系统”的功能证据。

**分支：**如果候选人声称“质量提升 90%”等无来源数字，立即要求说明样本、基线与测量方式；无法给出则更正为简历有依据的定性结果，再继续面试。

第 1 轮：一条需求如何变成模型上下文

面试官原话：“假设要生成一章面向某教学等级、某地区的中文教材。请拿运行记录说明输入、资料过滤、规则和引用如何传下去。”

**参考答案：**明确主题、等级、语言和地区；记录请求与配置；检索返回带文档/片段/版本的证据；强制规则另行加载；生成上下文保存证据快照，不在运行中悄悄换资料。

STAR：Q05 主问题给出来源追踪复现，Q06给出异常资料案例。回答者展示真实记录时，R 可以引用本次记录中的具体现象，不引用未运行的指标。

追问树：

• 命中很多但没有提过滤 → Q06 第一层：为什么不自动放宽地区？
• 正确说明过滤 → Q05 第一层：Embedding 模型升级怎么办？
• 正确说明版本 → Q06 第二层：第 3 章生成时资料更新怎么办？
• 冲突只靠模型选一个 → Q06 分支：冲突报告应提供什么证据？

**观察点：**能否从最终引用回到原片段；是否区分“来源 ID 存在”与“来源支持结论”。

第 2 轮：检查一处具体错误

面试官原话：“初稿有一道练习答案错误。请说明评审如何指出问题，以及修改后怎样保证课文和其他练习没变。”

**参考答案：**评审独立构建上下文，问题包含版本、位置、类别、严重程度、依据和要求。修订基于稳定内容 ID 或受控路径，程序限制修改范围，生成新版本；对比未受影响内容并复审。

**STAR：**按 Q09 和 Q10 的单点错误实验回答。具体报告字段以实际数据结构为准，不需要虚构一段不存在的源码。

追问树：

• 说“让模型只改这题” → Q10 主问题继续追问：代码如何验证？
• 有修改范围校验 → Q10 第一层：教研同时编辑怎么办？
• 有版本冲突处理 → Q10 分支：稳定 ID 谁生成、能否变化？
• 报告很空泛 → Q09 第一层：只有“表达不自然”是否足够？
• 声称评审都正确 → Q09 第二层：误报和漏报怎么测？

**观察点：**候选人能否打开新旧版本，指出变化依据和未变范围；是否承认自动评审仍有误判。

第 3 轮：循环停止与人工作业

面试官原话：“已经修了几轮还是不通过。教研退回一次后又暂停，服务随后重启。请描述允许的下一步。”

**参考答案：**修订有上限，达到上限进入人工处理；退回、通过、终止和恢复是不同状态转移，均关联明确版本与决定。持久 checkpoint 支持找回图状态，业务表保存版本与审核记录；恢复仍需检查副作用是否已经发生。

STAR：Q12的上限与人工处理实验，以及 Q11的重启实验。若当前环境未完成 Docker 崩溃验证，应说明验证使用的运行方式与未覆盖范围。

追问树：

• “点击恢复就从头运行” → Q11 主问题：分别检查已有记录与运行边界。
• 有恢复点 → Q11 第一层：中断之前的代码会不会再执行？
• 有人工作业 → Q12 第二层：连续点两次批准怎么办？
• 说人工通过可以跳过所有问题 → Q12 分支：资源不完整是否也能强行交付？

**观察点：**能否画出合法状态转移，是否为非法操作给出明确错误，而非直接改状态字段。

第 4 轮：文本变更后的素材链

面试官原话：“第 2 版教材正在合成视频，教研修改了课文产生第 3 版。第 2 版的图片刚刚返回，它应该写到哪里？”

**参考答案：**旧结果关联原任务和原版本，可保留审计或供历史包使用，但不能覆盖第 3 版有效资源。新版本按素材输入指纹判断哪些可复用、哪些应失效；视频依赖具体图片、音频和字幕。提交还要校验任务执行身份，阻止同版本旧尝试覆盖。

STAR：Q13的依赖实验、Q15的迟到结果实验，补充 Q10 第二层的局部更新。

追问树：

• 只检查教材版本 → Q15 第二层：同版本的旧尝试怎么办？
• 说取消旧任务就够 → Q15 主问题：旧进程没有真正停止怎么办？
• 全量重做素材 → Q10 第二层：无关图片为什么也重做？
• 说合成视频等于视频生成模型 → Q13 主问题：说明 FFmpeg 方案能力边界。

**观察点：**资源文件路径、数据库结果和交付清单三者是否一致；候选人是否认识外部已发生费用无法被本地“取消”抹去。

第 5 轮：你凭什么说它有效

面试官原话：“请给出一个你亲自验证的结论，再给出一个目前不能保证的结论。”

**参考答案：**从真实验收报告挑选一个，例如越权工具被拒绝或旧结果未覆盖新版本，解释输入、断言与观察；限制可选真实服务未验证、模拟不能证明语义质量、字幕近似对齐或生产多租户未实现。不能只说“测试全部通过”。

**STAR：**使用 Q16 的评测结构和 Q24 的本人验证责任。R 指向实际报告；未亲自复现时就明确为交付方验证，不能说成自己已完成。

追问树：

• 只报高分 → Q16 第一层：模型裁判是否可靠？
• 只报模拟成功 → Q16 分支：真实模式还有什么待验？
• 不理解代码 → Q24 第一层：如何审查 AI 生成的恢复逻辑？
• 能解释证据 → Q16 第二层：成本下降但关键错误增加怎么选？

评分与复盘

使用统一 100 分评分表。通过重点是：原理准确、能定位代码与数据、能解释取舍、事实有依据、表达可跟随。建议达到 80 分且没有“旧结果可覆盖”“模拟等于真实”“编造历史数字”等关键错误后，再准备资深系统设计面试。

复盘产物是一张“讲不清的位置 → 对应数据/代码 → 下一次实验”表。优先修复一个闭环中的断点；不要把复盘写成“需要多看看 LangGraph”这种无法验收的计划。