微店 AI 全栈二面：Agent 稳定性、检索库与 AI 代码评估

《面试题目》

1. 自我介绍。
2. 讲一下你负责的工作是什么？
3. 你如何去确保并维护 Agent 的系统稳定性？
4. 你中途碰到什么难点？
5. Agent 涉及的模型分别是什么，以及选型理由？
6. 检索库如何搭建？
7. 你们的评估指标是什么，为什么选这些？
8. 你用过什么 Agent（Coding）工具，用的什么模型，有什么看法？
9. 你如何评估 AI 写的代码？
10. 你在开发过程中使用 AI 的流程是什么，如何与 AI 交互？
11. 你现在离职了，反观你做的项目，有什么可以优化的点？
12. transformer 架构是怎样的？MoE 模型了解吗？
13. AI 发展越来越快、新技术这么多，你觉得未来我们是否会被替代？
14. 基于上一个背景，你觉得身上欠缺的不足是什么？

《参考解析》

Agent 稳定性要落到工程手段：超时与重试（只对幂等操作）、熔断与降级（模型不可用时走规则兜底）、并发与限流、上下文长度控制、工具调用的参数校验和权限校验、全链路日志与回放。别只说「加了监控」，要说清监控什么指标、告警给谁、故障时怎么处置。

检索库的搭建分四步：文档解析与切分（按语义/标题切，控制 chunk 大小和重叠）→ 向量化（选 embedding 模型，注意中英文和领域适配）→ 索引（向量库 + 关键词索引做混合检索）→ 重排（rerank 模型或规则）。评估要看召回率、命中率、答案忠实度和端到端任务完成率。

评估指标要能对应业务目标。检索层看 recall@k、MRR；生成层看忠实度（是否引用了检索内容）、相关性、格式合规；产品层看任务完成率、人工采纳率、平均轮次和成本。单一指标容易被刷分，至少要有自动指标 + 人工抽检。

「如何评估 AI 写的代码」按四层答：能编译能跑（类型检查、lint）、有测试（单测/集成）、符合约定（接口、命名、错误处理）、可维护（复杂度、重复、依赖）。复杂改动拆小 PR、人工 review 关键路径、上线前灰度。

「会不会被替代」答得有分寸：重复的实现工作会被压缩，需求理解、方案取舍、质量把关和责任承担仍然在人身上；与其焦虑不如把 AI 当成放大器，同时补上自己薄弱的系统设计和业务理解。