大家好我是浩哥这是我输出AI agent面试专题第九章后面还有一期。建议加入粉丝后面粉丝可见。AI 编程与工程素养Claude Code / Vibe·Spec Coding / 项目软素质· 面试题型整理与标准答案导语2026 年 Agent 面试新趋势——不再只考会不会用框架而是考能否用 AI 编程做出现实项目、能否讲清 Agent 工程素养与软素质。本批 11 篇小林面试笔记表面是段子式对话内核覆盖了 Agent 工程素养、Claude Code 使用深度、Vibe/ Spec Coding 范式、大代码库上下文工程、全栈软素质五大主题。以下按主题强力合并为 8 道完整题可直接用于复习与复述。2026年最新AI agent面试01_Agent基础与推理范式2026年最新AI agent面试02_MultiAgent与记忆2026年最新AI agent面试03_工具协议MCP_A2A_FC2026年最新AI agent面试04__工具工程网关外部2026年最新AI agent面试05_RAG基础应用2026年最新AI agent面试06_RAG文档与检索2026年最新AI agent面试07_大模型架构基础2026年最新AI agent面试08_大模型训练评测2026年最新AI agent面试09_AI编程ClaudeCode2026年最新AI agent面试10_通信与行业动态总目录可见 2026年最新AI agent面试0概述篇Q1. 面试官质疑连 Agent 项目都没有还敢投 AI 开发 / 字节如何证明自己的 Agent 工程素养与项目落地能力 来源AI 开发 / 字节 / 大厂面试核心答案面对没项目凭什么投 AI 开发的质疑最有力的回应不是辩驳而是拿出一个能写进简历、经得起深挖的真实 Agent 项目并讲清它串起了哪些 Agent 岗高频考点。2026 年大模型应用开发 / Agent 开发本质是工程岗而非算法岗招聘方看重的就是用调用式 AI 接口把上层应用做出来、并沉淀工程经验的经历所以有没有项目本身就构成筛选门槛。可落地两条主线其一是业务型 Agent 项目如智能 OnCall Agent由知识库 Agent、对话 Agent、运维 Agent 三大核心组成串联 RAG、Function Call、ReAct、Plan-Execute-Replan、Multi-Agent、SSE 流式输出等面试常考技术点其二是工具型 Coding Agent 项目如 MewCode从 0 造一个类 Claude Code 的终端编程 Agent覆盖 6 大编程工具、Agent Loop、MCP、Skill、Hook、SubAgent、Git Worktree、Agent Teams 等。两者一个讲用 Agent 解决业务问题一个讲造 Agent 本身配合多语言版本Java / Go / Python / TS能同时覆盖不同技术栈面试官。真正拉开差距的是能讲清楚这个项目为什么是工程而非玩具 demo——它是否逼着你处理过上下文压缩、权限防御、跨会话记忆、多 Agent 协作等真实工程问题而不是调一个 API 就完事。能把这一层讲透质疑自然消解。关键点 / 展开项目即门槛Agent 应用开发岗考的是工程经验缺项目就先补一个能写进简历、覆盖 RAG/ReAct/Multi-Agent 等考点的项目再谈面试比空口争辩有效得多。业务型 vs 工具型双线业务型OnCall Agent证明会用 Agent 解决真实问题工具型MewCode Coding Agent证明懂 Agent 底层工程原理两者互补简历打击面一下打开。技术栈全量覆盖一个成熟 Agent 项目应覆盖 ReAct / Agent Loop、Function Calling、MCP 协议、Skills、Slash Command、Hook、上下文压缩 Token 管理、跨会话记忆、SubAgent、Git Worktree 并行隔离、Agent Teams确保岗位 JD 上的关键词都能对得上。多语言版本策略同一项目实现 Java / Go / Python甚至 TS多版本并做源码剖析既覆盖不同方向同学也体现一套架构、多栈落地的工程能力。能讲清为什么是工程面试官深挖的是边界处理——权限防御危险命令确认、敏感目录拦截、长对话上下文压缩、记忆提取与复用、失败重试而非能不能跑起来。常见追问你的 Agent 项目里 Multi-Agent 是怎么分工的为什么不直接用一个大模型单体解决Plan-Execute-Replan 和 ReAct 在你的项目里分别用在什么场景断点如何恢复2026 延伸Anthropic 将 Claude Code 视为业界 Agent 工程的教科书其官方实践强调从 0 造 Coding Agent 是理解 Agent 工程原理的最短路径来源Anthropic Claude Code 实践 / 上下文工程。Q2. 面试官说Agent 不就是 Prompt 拼一拼——成熟 Agent 的工程设计边界到底是什么 来源Agent 设计面试核心答案Agent 就是 Prompt 拼一拼是典型的认知误区。Demo 阶段确实可以用几段 Prompt 做出看起来聪明的东西但一旦进入复杂系统问题才刚开始上下文窗口被污染、记忆断裂、路由逻辑出错、协作层协议有漏洞。成熟 Agent 的核心不在模型多强而在围绕模型设计了一套可控的外围系统Harness。业界有一句点睛之语“The model spends; the harness budgets.”——模型负责消费上下文窗口、Token、工具调用机会、用户信任Harness 负责控制预算用工程手段约束概率性输出确保其安全与有效。理解 Agent 设计需要一套结构化语言而非凭感觉调参。黄佳在《Agent 设计模式之美》中提出双轴正交框架Y 轴是认知功能感知、记忆、推理、行动、反思、协作、治理回答 WHAT——花什么资源X 轴是执行拓扑链式、并行、路由、循环、编排、层级回答 HOW——怎么花资源。两轴交叉沉淀出 28 个具体工程模式构成一套Agent 系统资源分配学。面对不稳定的 Agent你能据此快速定位问题出在感知、记忆、推理、协作还是治理哪一环而不是归咎模型不够强。关键点 / 展开Harness 才是天花板模型输出是概率性的真正决定生产效果的是模型之外那套外壳配置、钩子、技能、插件、检索、子 Agent。成熟的 Agent 从来不是 Prompt 拼出来的而是 Harness 工程拼出来的。双轴正交设计地图用 Y 轴认知功能 / WHAT X 轴执行拓扑 / HOW给任意 Agent 问题定位把旧地图画不出的 Agent 新世界决策边界结构化。28 个工程模式 模式选型法面对具体业务问题能针对性选型与组合Pattern Selection Card 六步选型法而非堆砌 Prompt。三类能力提升看穿系统定位不稳定根因、组合模式架构设计、设计成长机制让 Agent 会积累经验、可治理、值得托付。区分科普与工程不是记住几个 API 或技巧而是理解 Agent 系统在由模型参与决策时如何设计结构与边界。常见追问你的 Agent 系统里治理Governance是怎么落地的权限、审计、回滚机制如何设计当多 Agent 协作出现消息协议漏洞时你用什么方式定位是路由问题还是协调层问题2026 延伸“The model spends; the harness budgets.”模型消费Harness 预算是 2026 年 Agent 工程设计的核心理念强调用 Harness Engineering 思维驾驭不确定性来源黄佳《Agent 设计模式之美》专栏 / Anthropic 上下文工程实践。Q3. Claude Code 你用到什么程度——从聊天工具到工程化如何用它 Vibe Coding 出一个 Agent 项目 来源Claude Code 深度使用面试核心答案会用 Claude Code 和用透是两回事。多数候选人把它当聪明的聊天伙伴——代码审查手动、CI/CD 插不上手、团队标准不一问题不在工具而在使用范式Claude 不是用来聊的而是用来工程化的。真正的使用深度是能像设计系统一样去设计、编排、管理 AI 的行为把写代码的人升级为组织管理智能体的人。高阶用法之一是用 Claude Code 本身去Vibe Coding 出一个完整的 Coding Agent 项目如 MewCode类 Claude Code 的终端编程 Agent。这看似套娃实则一举两得既能实战掌握 AI 编程又能从 0 理解 Agent 工程原理。一个成熟 Coding Agent 应覆盖类 Claude Code 终端交互LLM 流式 多轮、6 大编程工具ReadFile / WriteFile / EditFile / Bash / Glob / Grep、基于 ReAct 的 Agent Loop、MCP 协议、Skill 技能包、Slash Command、Hook 生命周期钩子、5 层纵深权限防御、上下文压缩 Token 管理、跨会话记忆、SubAgent、Git Worktree、Agent Teams。能把这些都跑通说明你已具备用 AI 编程交付真实项目的能力而不只是调 API。关键点 / 展开范式跃迁从聊天式问答 → 工程化编排从执行者 → 技术指挥者管理 Sub-Agents / Skills / CI-CD 集成。Vibe Coding 造 Agent用 Claude Code 一步步 Vibe Coding 出类 Claude Code 项目同时吃透 AI 编程与 Agent 原理是 2026 年最高效的学习路径之一。能力清单全覆盖终端交互、6 大工具、Agent LoopReAct、MCP、Skill、Slash Command、Hook、权限防御、上下文压缩、跨会话记忆、SubAgent、Git Worktree、Agent Teams——这决定项目是玩具还是成熟 Coding Agent。三件套学习法理论学习 Vibe Coding 实战 源码分析确保不仅会用还能讲清底层Spec 开发模式 spec.md / tasks.md / checklist.md 三件套 CLAUDE.md 项目指令。进入 CI/CD让 Agent 真正进入持续集成而非停留在 IDE是工程化成熟的标志。常见追问你说用 Claude Code Vibe Coding 出了 Agent 项目那项目里的 SubAgent 和主 Agent 是怎么分工协作的5 层纵深权限防御具体是哪五层危险命令的拦截策略怎么设计2026 延伸Claude Code 官方定位是当前最强、最通用的 AI Agent其工程化实战强调 Sub-Agents、Skills 可复用化、CI/CD 集成把个人经验沉淀为团队资产来源Anthropic Claude Code 实践黄佳《Claude Code 工程化实战》。Q4. Claude Code 用了半年CLAUDE.md 平时怎么维护——写得越多越废的真相与正确姿势 来源Claude Code 深度使用面试核心答案CLAUDE.md 不是文档是配置——它是给 Claude 的团队约定每次启动都会被自动读一遍、作为整段会话的 ground truth默认前提。很多人误以为多写点总没坏处实测恰恰相反SFEIR Institute 的测试显示单文件 200 行以内规则遵守率约 92%超过 400 行后肉眼可见下滑而把 200 行拆成 5 个 30 行的模块化文件放进.claude/rules/遵守率反升到 96%。根源是token 经济 注意力稀释——CLAUDE.md 每次请求都整文件进上下文写太长就在和模型抢空间次要规则反而淹没关键规则。正确维护法是分层 ruthless 删减。根目录 CLAUDE.md 只放跨包通用约定与关键坑如生产库别动“提 PR 前跑 lint”各子目录再放自己的 CLAUDE.md 写模块细节Claude Code 会从当前目录一路向上爬到文件系统根合并沿途每层 CLAUDE.md 后与.claude/CLAUDE.md一并喂给模型。维护口令来自创始人 Boris Cherny“Ruthlessly edit your CLAUDE.md over time”——对每一行问自己删掉这行Claude 还会照做吗会常识或代码已体现就删不会才留。日常用/init初始化、/memory维护记忆并区分 README写给人、Claude 默认不读与 CLAUDE.md写给 agent、每次吃 token。关键点 / 展开本质定位CLAUDE.md 是每次自动加载的默认前提 / 配置不是给人看的 README它决定 Claude 整个会话的基准事实。200 行红线单文件 200 行内遵守率 ~92%拆成多个 30 行模块化文件.claude/rules/可升至 ~96%过长反而稀释注意力。分层组织root 只放指针 关键坑子目录各自维护模块级约定Claude 自动从当前目录向上合并每一层。加载机制从 cwd 向上爬到根目录反向遍历读取每层CLAUDE.md与.claude/CLAUDE.md合并源码见src/utils/claudemd.ts。** ruthless 维护法**Boris 口号毫不留情地删检查法——删掉某行 Claude 仍会照做就该删犯错先查是否文件太长淹没了规则而非急着加新规则。工具与边界/init生成、/memory维护跨会话记忆README 给人、CLAUDE.md 给 agent两者读者与密度不同。常见追问大代码库里根 CLAUDE.md 和子目录 CLAUDE.md 的内容怎么切分哪些该放根、哪些下沉如果 Claude 反复犯同一个错你的排障顺序是先看规则缺失、还是先看上下文被淹没2026 延伸Anthropic 官方建议根目录 CLAUDE.md 只放指针与关键坑其余细节会是噪音Ruthlessly edit your CLAUDE.md是 Claude Code 创始人的维护 slogan来源Anthropic 大代码库实践博客 / Boris Cherny 分享SFEIR Institute 实测数据。Q5. 你会 Vibe Coding 吗为什么资深选手反而主张 Spec Coding规约驱动开发 来源AI 编程范式面试核心答案Vibe Coding凭感觉写、聊天式喂需求在小玩具、一次性脚本、周末 demo 上确实是神器——不用文档、不用流程图模糊想法嘴一张 AI 就端上来。但一旦项目有规模或要长期维护它就露馅AI 每次只看得到当前这句话加眼前上下文并不真的知道项目全貌做第五步时可能已推翻第一步的设计把前面写好的接口改崩。越改越乱的根子不在模型笨在你和 AI 之间缺一份两边都认的对齐物。Spec-Driven Development规约驱动开发正是治这个病先把做成什么样讲清楚再让 AI 动手。它把需求到代码拆成四个台阶——①只谈需求不谈技术的需求规约②定技术栈与架构的方案③拆成具体可干的任务④AI 照任务写代码。每一步产物都可见、可改、可拦方向错了在第一步就纠而不是代码写完才返工。GitHub 官方 spec-kit100k star用斜杠命令跑这套流程/speckit-constitution定项目铁律宪法、/speckit-specify生成需求规约只说需求、/speckit-plan产出技术方案、/speckit-tasks拆任务、/speckit-checklist验收。关键在于规约不是一次定死的合同而是活的、随步更新的共识——任何一步发现前面想岔了都能回去改。资深选手并非不会 Vibe而是知道Vibe 用于探索、Spec 用于交付。关键点 / 展开Vibe Coding 的甜区与边界爽在零文档零流程图适用一次性脚本 / demo但在有规模、需长期维护的项目里必然越改越乱因为 AI 缺全局图。根因是缺对齐问题不在模型在你从没给过 AI 一张完整的、双方点头认可的图spec 就是这张图。四台阶流程需求不谈技术→ 技术方案 / 架构 → 具体任务 → 写代码把 vibe 里糊在一起的四步掰开逐一确认。spec-kit 实战/speckit-constitution铁律、/speckit-specify需求规约、/speckit-plan方案、/speckit-tasks任务、/speckit-checklist验收。规约是活的非刻在石头上的合同可在任意步回改是 AI 与人间不断更新的共识。取舍心法Vibe 用于探索原型Spec 用于真实交付能按项目阶段切换范式才是 AI 编程成熟度。常见追问你的团队用 spec-kit 时constitution宪法一般定哪些铁律谁来维护当 spec 写到一半发现需求理解错了你怎么处理已生成的 tasks 和代码2026 延伸Spec-Driven Development 由 GitHub 官方 spec-kit100k star工具化核心是先对齐再动手把对齐从模糊默契变成白纸黑字的逐步确认来源GitHub spec-kit 官方项目。Q6. 公司项目几百万行代码Claude Code 怎么扛得住——模型是地板harness 才是天花板 来源大代码库 / 上下文工程面试核心答案大代码库下第一反应context 爆了换更大模型如 Opus 4.7 的 1M token是错的。再大的窗口也塞不下几百万行代码加依赖库这是物理限制更关键的是问题不在模型在Claude Code 怎么找代码。Anthropic 的定论是“The harness matters as much as the model”——围绕模型搭的那套外壳对最终效果的影响比模型本身还大。打个比方米其林大厨是模型能力灶台、菜刀、调料架是 harness灶台不行再牛的厨师也炒不出锅气。找代码的路线Claude Code 刻意不走主流 RAG切片 embedding 向量库而是agentic search——让 Claude 像真人工程师一样先ls看根目录、进auth/看内容、grep “login”、再读middleware.ts/session.ts读一个文件决定下一步读什么循环往复。三条反 RAG 理由①索引会过期千人团队每天几百 commitembedding pipeline 跟不上召回的是两周前已重命名的函数②冷启动近零RAG 建索引十几分钟Claude Code 打开即用③精确匹配向量干不了getUserById会召回一堆相关函数而代码要的是精确。agentic search 的代价是严重依赖一个好的起点 context——不给清晰起点它就乱翻、烧光 context。所以 harness 七层CLAUDE.md → Hooks → Skills → Plugins → MCP外加 LSP 和子 Agent要一层层搭好context 爆不是模型小是你的 harness 没搭好。关键点 / 展开换模型无用论窗口物理上塞不下全代码库上下文爆的根因是 harness 没搭好而非模型太小。agentic search 原理像人一样逐步探索ls → 进目录 → grep → 读文件 → 决定下一步每次基于当下真实代码无索引过期问题。三条反 RAG 理由索引过期、冷启动近零、向量做不到精确匹配代码要精确非相似。代价与前提agentic search 严重依赖好的起点 context起点不清就乱翻烧 context——这正要靠下层 harness 解决。harness 七层架构CLAUDE.md约定/指针→ Hooks生命周期钩子→ Skills技能包→ Plugins → MCP外部工具再加 LSP语言服务辅助精确定位和子 Agent委派探索。分层职责映射Q2 拆 CLAUDE.md含 Hooks、Q3 拆 LSP 与子目录启动、Q4 拆子 Agent 与主 Agent 协作、Q5 拆 Skill/Plugin/MCP 团队分发逐层消除大库痛点。常见追问大代码库下你用 LSP 配合 Claude Code 做精确跳转和纯 grep 比优势在哪子 Agent 在大库探索里如何避免和主 Agent 抢 context结果怎么回流2026 延伸Anthropic 大代码库实践证明治好 context 爆靠的是 harness 七层而非模型升级agentic search 是其对抗 RAG 索引过期的核心策略来源Anthropic 官方大代码库实践博客 / Claude Code 创始人 Boris Cherny 分享。Q7. 简历写会 AI 编程那你能做全栈吗——AI 时代为什么全干工程师更吃香 来源全栈 / 软素质面试核心答案AI 正在把传统互联网那套精细分工打散单一领域钻得再深也难构成壁垒重复性活 AI 干得又快又好。于是吃香的是全栈型人才——做后端的能写前端做 Agent 开发的也要懂后端架构甚至开发者要有产品思维、产品也在学写代码。对候选人而言AI 全栈 / 全干工程师的求职打击范围巨大一份能力可同时匹配 AI 应用开发、全栈开发、后端开发、甚至产品经理等多个岗位别人只能投一个方向你能同时狙击多个胜率直接翻倍。落地层面AI 全栈能力应是一条完整链路产品 → 前端 → 后端 → Agent → 架构能独立做完需求拆解、方案设计、架构搭建到交付上线。典型可沉淀项目包括Harness 工程化的 AuditHarnessDocker 沙箱 API 自动化验收 Mock LLM 自愈重试 质量评分 三层记忆把 AI 代码交付从主观判断变客观验证、RAG 中台 RAGNexusHybrid 双路召回 RRF 融合 LLM Rerank Langfuse/RAGAS 评测、AI 原生 PRD 平台 HarnessPRD、面试智能体、刷题猫等。把这些全栈 Agent 产品思维项目写进简历既证明技术广度也证明能用 AI 从 0 到 1 完成交付。关键点 / 展开分工被 AI 打散精细分工壁垒消失单一深钻难成护城河全栈 / 全干工程师成为新稀缺。求职打击面AI 全栈能力可同时匹配 AI 应用、全栈、后端、产品多个岗位降维打击传统单点岗位。全链路能力产品 → 前端 → 后端 → Agent → 架构能独立完成需求拆解到上线交付而非只写某一层。Harness 工程化交付AuditHarness 用 Docker 沙箱 自动化验收 自愈重试 质量评分把AI 写得对不对变成可验证流程体现工程素养。RAG 中台实战Hybrid 召回 RRF Rerank 在线/离线评测Langfuse、RAGAS证明既懂 Agent 又懂后端架构。产品思维HarnessPRD 这类 AI 原生需求平台说明候选人能从一句话需求反推结构化文档产品感在线。常见追问你说能独立从需求到上线举一个你既做产品拆解、又做后端架构、还接了 Agent 的具体项目AuditHarness 的质量评分和自愈重试是怎么定义的靠什么信号判断该重试2026 延伸2026 年 AI 工程化强调从写代码的人转变为组织管理智能体的人全栈 Harness 工程是人才升级主线来源Anthropic Claude Code 工程化实践 / 黄佳《Claude Code 工程化实战》。Q8. 没用过 / 缺 Agent 项目怎么办——执行力S 级评价与简历快速迭代的软素质表达 来源执行力 / 简历软素质面试核心答案当面试官当面指出连 Agent 项目都没有还敢来情绪化对抗是最差解。高段位回应是承认缺口 给出明确补齐计划 用行动闭环——我去补下周再约“这种发现短板立刻补、还能约复面的反应被面试官直接评为执行力 S 级。本质上Agent 岗面试官在筛的不只是技术更是面对缺口的自驱与交付节奏你能不能把没有变成有”且速度够快。落到简历表达关键是迭代速度本身也是卖点。被质疑投字节连项目都没有时一句您看的是上周的简历胜过千言——它暗示你的简历在持续高速迭代新项目已经补上、下半页就是刚手搓的类 Claude Code。这种简历迭代速度比对方 OKR 还猛的叙事传递的是你不是在被动等面试而是在主动经营自己的技术资产。配套动作包括缺 Agent 项目就真去手搓一个写进简历下半页多语言版本快速补齐根据真实面试反馈持续把项目面试题从 40 道扩到 50 道。软素质的硬证据永远是你已经做完的事而不是你承诺要做的事。关键点 / 展开缺口不遮掩计划即闭环我去补下周再约把劣势转成执行力证明——承认 行动 复面闭环比辩解有力。S 级执行力标签面试官评的是自驱与交付节奏能快速把没有变有就是 S 级软素质。简历即资产持续迭代您看的是上周的简历暗示高速迭代把新项目、新语言版本、新增面试题持续灌进简历。用行动补证据缺 Agent 项目就手搓类 Claude Code 写进简历下半页多语言版本补齐面试题库随反馈扩容40→50。软素质靠硬事背书执行力、迭代速度、全干觉悟全部用已经做完的具体产出证明而非口头承诺。节奏感叙事把每周一迭代做成可感知的节奏让面试官相信你入职后也是高频交付的选手。常见追问你下周再约时具体补了什么一周内怎么保证补的项目经得起深挖你怎么管理简历的迭代节奏多久更新一次依据是什么2026 延伸2026 年 Agent 岗面试普遍把执行力 / 自驱 / 资产经营节奏作为软素质硬指标真实项目产出比话术更有说服力来源小林面试笔记 · 春招/社招喜报复盘。 本题型速记 ChecklistAgent 岗是工程岗不是算法岗看工程经验先用真实项目业务型 OnCall / 工具型 Coding Agent建立门槛。成熟 Agent 不是 Prompt 拼出来的核心是 Harness 工程“The model spends; the harness budgets.”双轴正交框架Y 轴认知功能WHAT X 轴执行拓扑HOW28 个工程模式定位不稳定根因。Claude Code 使用范式从聊到工程化能 Vibe Coding 出 Agent 项目才算用透。Coding Agent 能力清单6 大工具 / Agent Loop(ReAct) / MCP / Skill / Slash / Hook / 权限 / 上下文压缩 / 记忆 / SubAgent / Worktree / Teams。CLAUDE.md 是配置不是文档每次自动加载为 ground truth单文件 ≤200 行拆模块可升至 ~96% 遵守率。CLAUDE.md 维护法分层root 只放指针 ruthless 删Boris 口号/init/memoryREADME 给人、CLAUDE.md 给 agent。Vibe vs SpecVibe 用于探索、Spec 用于交付spec-kit 四台阶需求→方案→任务→代码规约是活的共识。大代码库扛得住换模型无用靠 harness 七层CLAUDE.md→Hooks→Skills→Plugins→MCP LSP 子 Agent。agentic search 反 RAG索引过期 / 冷启动零 / 精确匹配代价是依赖好的起点 context。全栈更吃香AI 打散分工全干工程师打击面覆盖 AI 应用 / 全栈 / 后端 / 产品链路产品→前端→后端→Agent→架构。Harness 工程化交付Docker 沙箱 自动化验收 质量评分把 AI 代码交付变客观验证AuditHarness。执行力即软素质缺口不遮掩、下周再约闭环得 S 级简历高频迭代“上周的简历”是资产经营节奏的证明。所有软素质靠硬事背书项目产出、语言版本、面试题库扩容比话术更有说服力。整理说明本批 11 篇笔记存在大量重复变体如手搓 Claude Code / Vibe Coding 出 Agent 项目在多篇重复智能 OnCall Agent与MewCode Agent为两个核心项目案例已按五大主题强力合并为 8 道完整题对话体内容已改写为架构师级表述技术要点均源自笔记中引用的 Anthropic 官方实践、Claude Code 创始人 Boris Cherny 分享、黄佳《Agent 设计模式之美 / Claude Code 工程化实战》、GitHub spec-kit、SFEIR Institute 实测等一手信源。