AI Agent 面试题写作规范

适用范围：docs/llm-interview/04-agent/ 的新增与重写单题。接手的 Agent 应先读本文件、QUESTION_BACKLOG.md 和图解 skill，再动笔。读者按第一次接触相关框架的初学者来写，同时保证面试回答和工程细节准确。

读者必须真的看懂

• 开头先用一个具体问题说明“为什么会碰到这个技术”，随后用日常语言解释它解决什么，再进入术语和代码。不要预设读者知道 Agent、状态、上下文、Schema、检查点等词。
• 每题必须有独立的“术语与符号”解释位置，放在第一次深入使用术语之前。解释题目关键词、文中的英文缩写、代码变量、返回值及它们在同一个例子里的对应物。术语第一次出现时仍要就地用一句话解释；词表不能代替正文说明。
• 名词、函数名或变量名不得突然登场。先说业务动作，再说明为什么给它起这个名字、输入是什么、产出是什么；框架类名、方法、常量和 Python 语法也要解释。代码前列输入数据，代码后沿一个具体输入逐步走完执行过程。不要用 check_order、draft_decision 这样的裸名称代替解释。
• 一题贯穿一个稳定例子，数字、字段和结论前后一致。涉及政策、金额或日期的样例要写清假设条件，不能从“购买日”偷换到“签收日”。标明示例代码与生产系统的差距。
• 对核心机制回答“是什么、为什么需要、实际怎样流转、何时适用、哪里容易出错”。至少有一个正常路径、一个失败或边界路径，并解释失败后怎样处理。比较题要比较同一维度，不能把旧版固定链和新版 Agent 混为一谈。
• 先让初学者建立直觉，再逐步加准确说法和实现细节。篇幅以完整解释为准；P0 复杂题通常需要数千字，不能为了简短省掉推导、变量解释或边界条件，也不要用重复段落凑字数。
• 保留一段可在面试中自然说出口的回答，但前后要有充分拆解：回答中的每个专业词都应能在文章中找到解释；再给出可能的追问及回答理由。

语言与标题

• 标题按该题的具体问题命名，像老师在黑板上写下一步要讲的内容。严禁“本题阅读地图”“一句话收尾”“从一个坏例子开始”等模板化或自我指涉措辞，也不要换个同义词继续套模板（如“先给面试官的 90 秒回答”“面试场景还原”“常见踩坑与反例”连续出现在每篇）。
• 用直接、自然的中文。少用“本题得分点”“你只需记住”“一图看懂”“不是 A 而是 B”这类套路句。可以用简短对话或反例，但要服务于解释，不能充当固定开场模板。
• 不在读者还没理解术语时堆英文和抽象词；不要用比被解释概念更难的比喻。每段围绕一个问题，关键结论后紧跟原因或例子。
• 图文相互核对。图片只承担一个清楚关系，正文说明图未覆盖的条件；不要让图、Mermaid、代码和文字说出不同的流程。配图规范见 .agents/skills/xiaolin-explainer-diagrams/SKILL.md。

发布前逐项核对

1. 从头按零基础读者视角读一遍：圈出每个首次出现的专业词、缩写、代码标识符，确认已在术语区或紧邻文字中解释。
2. 检查示例：输入、每一步状态变化、分支条件、输出与失败情况能否照着文章复述；代码能否运行或已清楚标注为伪代码。
3. 检查面试回答：能否不看表格说出来；有无把版本差异、框架能力、业务保障混为一谈。
4. 搜索模板化标题和句式，删掉“本题阅读地图”“一句话收尾”“从一个坏例子开始”等措辞。
5. 核对官方资料的当前说法，确认图片文件、站内链接与 VitePress 构建可用，再更新题目清单的进度。