面试准备总览

关联：自我介绍、职业经历。

面试问答统一维护在四份项目介绍的“可能追问”章节。本页只提供导航与使用建议，不另存独立问答或题库。

这些文件按“候选人能直接说出口”的方式写，不是知识点清单。主线是契约驱动的全流交付：从前后端重复维护权限判断进入 HATEOAS，再把 AI 原生领域建模与 API 设计平台理解为可跨语言、框架和技术栈迁移的业务语义契约；AI 应用编排引擎以共享协议、DAG 调度、LLM 与 Agent 节点和 SSE 承接执行反馈与发布；监控 SDK 与数据采集系统以统一事件、异步处理和 Sourcemap 支持运行诊断，两个项目分别展开。渐进式增强是契约演进的方法之一，不再作为最高层主轴。多包工程统一采用 Nx + pnpm，各项目技术栈以对应项目介绍为入口。

追问应对原则

1. 先问现场，再问概念：每条追问都先回到当时的具体业务场景、受影响页面、状态机冲突或排障现场，再阐释技术方案，避免空泛的技术名词堆砌。
2. 至少追四层：问题来源 $\to$ 具体技术机制与取舍 $\to$ 极端场景与失败恢复 $\to$ 验证方式与客观产出。
3. 指标重口径：重点讲解指标背后的统计口径、推导逻辑与验证方式，不使用未经统计核验的主观百分比。
4. 守住契约六要素：知识来源、权威方、结构定义、消费方、验证方式和变更边界，说明契约由谁确认、由谁消费。
5. 稳定基线与受控增强：界定最小但完整的核心能力作为稳定基线，将 AI、高级插件等作为可独立降级、可恢复的增强层，失败时不破坏基础任务。

项目主讲入口

项目／能力	入口
HATEOAS	项目介绍：HATEOAS
AI 应用编排	项目介绍：AI 应用编排引擎
AI 原生领域建模与 API 设计平台	项目介绍：AI 原生领域建模与 API 设计平台
前端监控 SDK 与数据采集系统	项目介绍：前端埋点与监控 SDK

默认先使用各项目介绍开场；面试官对特定方向深入时，再切换至对应的专题回答与追问，不需要从头背诵整篇。

HATEOAS：从多端一致性到模型与 API

• 主讲与可能追问：项目介绍与可能追问
  • 规则维护位置与协议分层：资源关系、动作模板与 SDK
  • 类型与动态字段：编译期约束与运行时消费
  • 缓存与订阅：update、stale 与刷新策略
  • 迁移与验收：导航组件测试、业务回归与 SDK 发布

领域建模通用能力

• 关联对象、聚合边界与数据访问策略。

AI 应用编排引擎：从配置协议到发布

• 主讲与可能追问：项目介绍与可能追问
  • DFS 判环、Kahn 排序与公共汇合保留
  • LLM 节点、Prompt 变量与 token 统计
  • 自研 DAG 与 LangGraph 的取舍
  • 版本快照、调用凭据与流式输出
  • 节点注册与公共基类
  • Tiptap 变量引用与序列化
  • SSE 服务端推送与前端日志
  • 公式编辑器、保存校验与 AST 求值实现。

AI 原生领域建模与 API 设计平台

• 主讲与可能追问：项目介绍与可能追问
  • 真实约定、履约凭证与异常责任
  • 双层循环 Harness 与桌面增量建模
  • CRM 设计示例、资源关系与流程验收

前端监控 SDK 与数据采集系统

• 主讲与可能追问：项目介绍与可能追问
  • SDK 分层、插件与类型约束
  • 性能指标采集、异常覆盖
  • 队列与批量上报
  • NestJS 接收、Kafka 处理与 ClickHouse 存储
  • Sourcemap 上传与版本映射

回答节奏建议

• 项目开场：讲清业务问题、个人职责、核心方案与交付结果。
• 技术展开：只沿一条技术主线展开，被打断后可以直接进入对应追问。
• 深入追问：讲当时的取舍和证据，不用“最佳实践就是这样”代替项目事实。