简历追问：Evidence AI 辅助建模与协同治理

关联：全栈工程师简历 > Evidence｜领域建模、证据映射与 AI 辅助交付平台、Evidence 项目简历描述与面试话术、15 分钟：Evidence 面试逐字稿、Prompt Request 比 Pull Request 更适合 AI 协作。

对应简历描述

集成 AI SDK、SSE 与 Pi RPC，将自然语言需求流式转化为建模 proposal，展示 reasoning、tool call、tool execution 与 JSON 变更摘要；将多智能体协同能力收敛为 Evidence 的建模加速器，并保留人工审查与回滚边界。

面试官真正想确认

你是否把 AI 放在可审查、可回滚、可限制的工程边界内，而不是让 AI 直接改核心模型。

连续追问链

1. 为什么 proposal-first

• 为什么 AI 不直接修改 .evidence 模型？哪些风险不可接受？
• proposal 里包含哪些结构：add/update/delete entities、relationships、reason、confidence？
• 用户审查时看摘要、diff、JSON 原文还是 Canvas 预览？
• 应用 proposal 后如何回滚？靠 Git、快照还是操作日志？

2. 工具边界

• Pi RPC 启动 agent 时，工作目录如何限制在 .evidence？
• read/edit/write/ls/find/grep 这些工具是否足够？为什么不给 shell？
• 如何防止 path traversal、读取用户隐私文件或修改项目代码？
• 多智能体协同时，谁拥有最终写权限？

3. SSE 事件流

• AI SDK、后端、Pi RPC、前端之间事件如何转换？
• reasoning、tool call started、tool execution ended、agent ended 分别如何渲染？
• 用户中途取消、工具失败、JSON 解析失败时，前端状态如何收敛？
• 事件顺序和幂等如何保证？刷新页面后还能看到历史过程吗？

4. 质量与治理

• proposal 应用前做哪些 schema 校验和关系完整性校验？
• AI 生成的实体命名、id、关系类型如何去重和标准化？
• 如何评估 AI 建模质量？人工审查通过率、返工原因、模型冲突数？
• “多智能体协同平台”为什么要收敛到 Evidence，而不是单独讲一个泛 Agent 平台？

场景推演题

用户输入：“帮我建模一个办公笔记本采购履约过程，包括询价、报价、合同、支付、发货、开票。”AI 提出删除现有 Contract 并新建一个 Contract。请说明 proposal 展示、风险提示、人工确认和回滚流程。

继续追：如果工具尝试读取 .evidence/../.ssh/config，系统在哪里拦截？

准备证据

• SSE 事件类型列表。
• proposal JSON 示例。
• 工具白名单和工作目录限制说明。
• 应用 proposal 前后的 diff/review 流程。

容易露馅的回答

• “AI 直接改模型，用户看结果。”
• “把工具都开放给 agent，能力更强。”
• “展示 reasoning 就等于可控。”
• “失败了重新生成一次，不需要回滚。”