面完之后：按记忆把题串起来说

手里那份问题清单，是好几场面谈里碎片问题的合集。

单独看每一条都像八股，串在一起你会发现面试官的注意力一直在两条线上晃：一条是「这东西在线上会不会出事」，一条是「你知不知道自己在用什么、没用上什么」。

下面按我自己后来复盘时觉得顺的思路写——从项目怎么讲，一路滑到 LangGraph、记忆、agent 形态、工具协议、RAG，最后落到后端那几道「看起来基础、其实能问穿」的题。

你如果对某一块熟，可以快速扫小标题跳读。

从项目讲起：先别急着报框架名

几乎所有 agent 岗都会从项目开刀。我踩过的坑是开场三十秒就把 LangGraph、LangChain、某某向量库全报一遍，对方听完礼貌点头，接着问「那用户一句话进来之后，系统里第一个写日志的地方在哪」——我当场卡了一下。后来才想明白：人家要的不是技术选型朗诵，而是一条能画出来的因果链。业务上到底解决什么问题，输入输出边界在哪，谁负责把自然语言变成可执行步骤，谁去调工具、谁汇总、失败之后状态落在哪一层，这些讲清楚以后，再提 LangGraph 只是「我用图来承载这条链」而已，顺序不能反。

「为什么用 LangGraph、有什么缺点、是不是过度设计」这三问通常连着来，本质是在测你有没有做过取舍。可以摊开说：图框架的价值在于把「分支 + 状态 + 可持久化的人机协同」从业务代码里抽出去，checkpoint 和 interrupt 一旦真的用在审批、补全、半自动流程里，省掉的胶水代码是实打实的。反过来，如果你的图退化成线性三步——调模型、调工具、再调模型——那框架带来的复杂度就未必划算，调试时还要在框架抽象和实际问题之间来回跳，版本升级也容易踩雷。过度设计不是一个道德判断，而是一个可量化的问法：图的边和条件是不是对应了真实业务分支？checkpoint 里存的东西有没有生命周期策略？如果答不上来，很可能确实用重了。

「为什么不直接用 Cursor Composer 或公司现成的 agent」听起来像抬杠，其实是在问边界与主权。自研或半自研通常不是为了证明「我比产品强」，而是为了数据路径可控、工具与权限模型跟内部系统对齐、评测指标跟业务定义一致、排期和回滚不绑在外部发版节奏上。基于现成方案改造怎么说才像干过活？我会拆成四层：协议层（工具 schema、上下文怎么对齐）、资产层（prompt / skill / 评测集怎么迁移）、运行层（灰度、熔断、限流、观测）、组织层（谁维护版本、事故怎么归因）。中间提一句「别 fork 到死，先 adapter 再接」比空喊「我们会二次开发」具体得多。

工具链能不能 Skill 化、项目有没有演进价值，这类问题连着问，多半是在看你想不想把东西当成产品养。Skill 化在我理解里不是把 markdown 换个名字，而是把「高频任务的打法」变成可版本、可组合、可测的资产：入口收敛到少量稳定工具，流程和边界写清楚，配上回归用例。演进价值别用空话撑，可以落到：新数据源接进来要改几处、线上 bad case 有没有入库闭环、新人接手要不要读五千行 prompt——能讲出成本和收益，比喊「大模型还能更强」诚实。

评测、数据集、沙箱、监控这一串，面试官想听的是闭环，不是名词表。离线集怎么分层（简单/长尾/对抗）、标注是谁做的、有没有泄漏到训练里；在线看成功率、延迟、token、工具错误率之外，人工抽检比例和抽样策略也可以提一句。沙箱至少要说清隔离了什么：网络、文件系统、进程、还是整个容器；监控至少要到 trace id、节点级耗时、失败重放能不能做到。准确率还能怎么优化，如果只答「调 prompt」会显得薄。数据侧有难例挖掘和难例合成；模型侧有换强模型、蒸馏、任务型微调；系统侧有结构化输出、后处理校验、低置信度转人工；RAG 侧有 chunk、路由、rerank。你不需要全做过，但要让人听出你知道问题可能出在哪一层。

LangGraph：checkpoint 不是「存档」，是「可重放的状态机快照」

中断和恢复如果只背「序列化进数据库」还不够深。interrupt 在语义上往往是「人机协同的挂起点」：图跑到某个节点发现缺信息、或需要审批，于是把当前已提交的状态和尚未完成的副作用边界交代清楚。恢复时要讲清楚几件事：哪些 channel 的值被写入了 checkpoint、pending 的边会不会在 resume 时重跑、外部副作用（发邮件、扣款）有没有幂等键。thread_id 怎么设计、和业务主键是不是一回事，很容易被追问。我的习惯是把「编排用的会话 id」和「领域里的订单号」分开：前者给图用，后者进 state 字段，恢复时用业务键做幂等，避免把领域模型和框架状态糊在一个 giant dict 里。

节点之间传复杂数据，表面是 TypedDict / Pydantic 一路堆字段，实质是状态演化策略的问题：哪些字段是 append-only、哪些要 merge、哪些要在某条边之后清空。LangGraph 的 reducer 不是语法糖，是在约束「并发写同一字段时语义是什么」。如果团队里没人写这份约定，半年以后图一定变成谁也不敢动的黑箱。

checkpoint 膨胀和上下文变长，是图框架面试里我最喜欢准备的一道，因为它逼你把「图内 state」和「外置记忆」划界。图里只留当前任务推进必需的东西：最近几轮对话、未完成的工具结果、路由需要的标志位。跨会话的用户偏好、海量历史、可检索知识，该进库就进库，用检索回填，而不是无限往 checkpoint 里塞。工程上还有 TTL、里程碑裁剪、对敏感字段脱敏、多租户命名空间——这些说出来，对方就知道你考虑过线上跑一年之后会发生什么。

A2A 如果被问到，不必装成做过分布式 agent。把问题降维成「多进程协作里协议与超时」就行：子图或节点代表另一个 agent，外层负责信封格式、cor