工程化踩坑：死循环、状态丢失与成本控制
踩坑题是面试的“照妖镜”——没做过的人编不出来。面试官问这类题不是要标准答案，而是看你有没有在生产环境里摔过跤、摔完有没有系统性地解决。答得出具体的坑和对应的工程方案，比答十道理论题都管用。
本篇目录
- 踩坑与经验总结
- AI 工具与框架
- 代码质量与测试
- 基础设施与算法
- 性能与延迟优化
- 扩展与排查
- Q：Agent 系统可观测性设计——怎样的结构才能更好地追踪整个 Trace？
- Q：SSE 流式输出中断后如何保证之前的输出不丢失？
- Q：产品的用户量、每日 token 消耗和底层模型选型怎么估算？
- Q：Agent 如何做版本管理与灰度？
- Q：怎么设计一个大模型网关系统？
- Q：Claude Code 用久了感觉响应越来越慢，这是什么原因？怎么解决？
- Q：高并发场景下，如何设计 Agent 服务的弹性伸缩策略？
- Q：如何设计 Agent 的流式输出以提升用户体验，特别是包含工具调用和多次大模型交互时？
- 流式返回中的非文本事件
- SSE、WebSocket 与单次调用
- AgentState vs 全局变量
- 基础工程能力
- Q：从原始诉求到可执行 PRD/Spec，谁负责清洗？如何判断需求完备，质量门禁放在哪层？
- Q：如何记录 Agent 的非确定性边界，实现可重复的故障回放？
- Q：系统里多租户隔离是怎么实现的？
- Q：了解 Kubernetes 吗？在 Agent 项目里有没有实际用到？
- Q：进程、线程、协程有什么区别？什么场景下协程更有优势？
- Q：子 Agent 和工具调用的 Token 用量统计缺失，怎么做容错补偿？（用户断连、子 Agent 延迟退出场景）
- Q：多个子 Agent 延迟退出，同时更新同一对话的 Token 统计数据，线程竞争怎么解决？
- Q：Agent 框架如何实现流式并行？了解 Claude Code 的流式并行是怎么做的吗？
- Q：LangGraph 图状态机里，怎么捕获每个节点的执行结果并实时推前端？
- Q：多模型如何动态路由？根据视频特征、任务特征、成本、延迟和效果选模型？
- Q：Redis 在 Agent 系统中适合承担哪些职责，哪些数据不应只放 Redis？
- Q：什么是死锁？死锁产生的条件、检测和解决方法是什么？
- Q：编译器从源代码到可执行程序经历哪些阶段？
- Q：在浏览器输入一个 URL 到页面显示，完整经历了哪些过程？
- Q：云端 Agent 的沙盒应该常驻还是按任务创建？如何优化启动和通信开销？
- Q：如何设计同时兼顾吞吐、首 Token 延迟和租户公平性的推理调度器？
- Q：Agent 的中间与最终交付物应该如何版本化、校验和交接？
- Q：多模型供应商如何抽象统一 Provider，而不丢失差异能力？
- Q：如何可靠采集 Coding Agent 轨迹，避免崩溃或异步退出时丢数据？
- Q：自动回滚阈值如何设置，避免固定阈值误杀或放过回归？
- Q：如何设计类似 LangFlow 的 Agent 工作流可视化编排画布？
- Q：接入多个外部 Agent 时，如何用 Adapter 统一异构事件、工具调用和生命周期协议？
- 这类题的答题模式