面试表达
面试时怎么讲
一句话：我围绕「AI Python 岗面试题库（实战版）」做过从问题拆解、方案设计、工程落地到效果验证的闭环。
追问重点：为什么这么设计、指标怎么验证、失败案例如何定位、上线后怎么观测和回滚。
证据建议：准备 README、架构图、关键代码片段、评测表和 2 个坏例复盘。
基于本地简历样本提炼的高频问题：Agent、RAG、后端分布式、排障与项目表达。
本地学习进度
只保存在当前浏览器，不上传服务器。
学习产出
进阶能力，P1。阅读时尽量把知识点转成可演示项目、面试回答和简历证据。
能回答
使用说明 / Agent / AI 工程化 / RAG / 检索与质量
能交付
整理一页项目笔记，记录问题、方案、指标和取舍
下一步
把本篇总结成 90 秒面试讲述
面试表达
一句话：我围绕「AI Python 岗面试题库（实战版）」做过从问题拆解、方案设计、工程落地到效果验证的闭环。
追问重点：为什么这么设计、指标怎么验证、失败案例如何定位、上线后怎么观测和回滚。
证据建议：准备 README、架构图、关键代码片段、评测表和 2 个坏例复盘。
简历表达
围绕 AI Python 岗面试题库（实战版） 场景，完成「基于本地简历样本提炼的高频问题：Agent、RAG、后端分布式、排障与项目表达。」相关能力建设，沉淀可复用工程方案、测试样本和面试表达材料。
本站 /interview 页面提供分类筛选与搜索；本 MDX 为体系化母题与答题骨架。
每题按 概念 → 场景 → 方案 → 指标/权衡 四步答；准备 1 个真实项目映射。
agent-architecturemax_turns、重复检测、人机审批、熔断。task_id, status, progress, retry_count, error_code, trace_id, idempotency_key, cost, timestampsresume-project-storytelling| 天 | 动作 |
|---|---|
| 1 | 本页每类选 3 题写逐字稿 |
| 2 | 录音模拟，压缩到每题 90 秒 |
| 3 | 白板：RAG 与 Agent 架构各 1 次 |
| 4 | 系统设计：异步任务 + 限流 |
| 5 | 排障：给 trace 口头推演 |
| 6 | 行为面：2 个失败案例 |
| 7 | 全真模拟 1 轮 |
/interview/jobs + ai-python-skill-matrix