上海某中厂 Agent 开发一面:Claude Code 二开、多 Worker 协调与四层记忆压缩
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 介绍你对 Claude Code 做了哪些二开。
- 介绍项目的测评集怎么设置的,具体说 goal loop 的效果是怎么测出来的?
- Multi-Agent 架构里多 worker 怎么协调工作?
- Claude Code 四层记忆压缩机制的流程?
- 追问:压缩触发点是什么,是模型主动还是 harness 实现的?
- 追问:你怎么理解这四层压缩,每一层为什么要这么设计?
- 第一个项目做了多久,学习 Agent 的路线是什么?
- 你对 harness 的理解?
- 大三没课了吗,多久能到岗?
《参考解析》
Claude Code 二开要讲清「改了哪一层」:这类 CLI Agent 的结构大致分四层——入口与交互(REPL、斜杠命令、权限确认)、模型调用与提示组装(system prompt、工具表、消息历史)、工具执行(文件读写、搜索、shell、子 Agent 派生)、状态与持久化(会话存储、配置、记忆文件)。二开的常见方向是加工具、改提示与规则文件、加钩子(pre/post tool use 做校验与审计)、改权限模型、接自有模型渠道。回答时按「问题 → 改哪一层 → 效果怎么验证」组织,只说「我改了 prompt」会被追问到底改了什么、为什么原版不行。
评测集与 goal loop 的测法:goal loop 指 Agent 反复「执行—观察—修正」直到目标达成的循环,测它要拆成三个可量化的量:达成率(在 N 个任务里有多少个最终状态满足断言)、轮次效率(平均用了几轮、是否出现原地打转)、成本(token 与工具调用次数)。评测集要覆盖任务类型(单文件修改、跨文件重构、需要跑测试验证的修复、需要检索的问答)与难度分层,每个任务配一个可程序化判定的验收条件(跑测试、比对文件、检查输出结构),而不是让模型自评。goal loop 特有的失败模式要单独建用例:提前宣布完成、反复修改同一处、忽略测试失败、把「看起来对」当成「验证过」。测出来的指标要看分布而不只看均值,并保留失败样本做人工复盘。
多 worker 协调是这道面的分水岭:面试官的追问方向是「异步并发下的数据一致性与 edit 覆写」,也就是说,真正难的不是「任务怎么分配」,而是多个 worker 同时对同一份代码库动手时的冲突。可答的机制有四类。① 任务分配与依赖:用 DAG 描述子任务,无依赖的并行、有依赖的串行,分配时按文件或目录做亲和性划分,避免两个 worker 碰同一片区域。② 隔离:每个 worker 在独立的 worktree 或沙箱里改,结束再合并,合并冲突交给上层裁决而不是让 worker 互相覆盖。③ 并发控制:对文件加乐观锁(读时记版本号,写时校验版本,冲突则重读重做),或对关键资源用租约。④ 一致性与幂等:工具调用要可重放,写操作带幂等键;结果汇总时以「最后验证通过的状态」为准,而不是「最后写入者」。还要讲失败处理:某个 worker 崩溃或超时,它的任务要能被重新领取,已产生的半成品要能回滚。答完机制再补一句度量——冲突率、重试率、合并失败率,这些是判断协调策略是否有效的指标。
四层记忆压缩的设计意图:长会话的上下文有限,压缩的目标是在有限预算里保住「继续干活需要的信息」。分层通常按「信息的新鲜度与稳定性」切:最近若干轮保留原文(保证局部连贯)、较早的对话压成结构化摘要(保留决策与结论、丢弃过程)、再往前的会话压成任务级摘要(目标、已完成、未决问题)、最外层是跨会话的长期记忆(项目约定、用户偏好、踩过的坑,落在规则文件或记忆库里)。触发点是 harness 实现的,不是模型主动——由 token 用量阈值、轮次阈值或工具调用次数触发,因为让模型自己判断「该压缩了」既不稳定也无法保证预算。每层的设计理由要对上它的读者:最近原文给模型看细节,摘要给模型看决策,长期记忆给模型的下一场会话看约束。讲清「压缩会丢什么、怎么降低丢失代价」(例如保留文件路径与错误原文、把结论与依据分开存)比背层数更加分。
对 harness 的理解:harness 是模型之外的执行骨架——负责把用户意图变成一轮轮的模型调用,组装提示与工具表,执行工具并把结果回填,管理上下文与压缩,处理权限与沙箱,记录轨迹与成本,以及在失败时重试或换策略。一句话概括:模型决定「做什么」,harness 决定「能做什么、做完怎么验证、失败了怎么办」。面试官问这题是在判断你是否理解「Agent 的能力上限很大程度由 harness 决定」,答的时候举一个具体例子(例如工具返回被截断导致模型反复重试,属于 harness 的问题而不是模型的问题)会更有说服力。