classify-interview-questions

name	classify-interview-questions
description	将面试题按考察维度分类，拆分后加入 learn-agent-interview 已有维度文章。当用户发来一组新面试题（如"新的面试问题"、"XX公司面试"、"分门别类整理"、"加入这些问题"）时触发。不新建独立面经文章，而是分发到已有维度文档中。

classify-interview-questions：面试题分类分发

将新面试题按考察维度分类，拆分后加入 learn-agent-interview 的已有维度文章。不新建独立面经实录文章。

维度分类表

编号	维度	目录	典型考察内容
01	架构选型	01-architecture-design/	ReAct/Plan-Execute/ToT、Agent 组成、设计范式、规划器
02	工具管理	02-tool-management/	参数校验、工具路由、多工具调度、Mock 生成
03	容错与鲁棒性	03-fault-tolerance/	超时处理、误操作防范、幻觉治理、失败恢复
04	记忆与上下文	04-memory-context/	长对话、模糊需求、上下文污染、长短期记忆、to-do list
05	评估与全局观	05-eval-and-vision/	量化评估、落地挑战、AI 工具价值/边界、行业认知
06	多智能体协作	06-multi-agent-collab/	角色分工、通信机制、冲突仲裁、记忆共享
07	工程化踩坑	07-engineering-pitfalls/	死循环、状态丢失、成本控制、AI Coding 实践、工具使用
08	Prompt 工程	08-prompt-engineering/	模板构建、Skills 机制、好/差 Prompt 区别、框架创新
09	RAG 与检索	09-rag-retrieval/	chunk 设计、查询改写、召回精排、Embedding/ReRank 微调
10	训练与模型	10-training-and-data/	数据清洗、LoRA、PPO/DPO/GRPO、位置编码、归一化、量化部署、多模态
11	AI 代码测试	11-ai-code-testing/	覆盖率插桩、前置分析、代码过滤
13	简历项目拷打	13-project-deep-dive/	项目部署、框架选型、意图识别、工具设计、知识库构建、性能优化

执行步骤

1. 分类

收到面试题后，逐题判断属于哪个维度：

• 如果题目明显属于某个维度 → 直接分配
• 如果题目跨维度 → 选最核心的那个维度
• 如果题目太个人化（如"你简历上的XX项目"）→ 剥离简历细节，转为通用问题再分配
• 如果题目和已有题目高度重复 → 增强已有答案，不新增

输出分类结果表格供用户确认（如果题量大可直接执行）。

2. 检查已有内容

先读取 question-index.md（位于本 skill 目录下），快速判断新题是否与已有题目重复或高度相似，无需逐个扫描 11 篇 md 文件。仅在需要精确定位插入位置时才读取目标 md 文件。

对每篇目标文章：

• 检查是否已有相同或相似问题
• 找到插入位置（在"这类题的答题模式"段落之前）

3. 写答案并插入

每道题用标准格式：

## Q：{面试题（通用化后的表述）}

> 来源：{公司/岗位}

**新手答**："{浅层回答}"

**高手答**：

{深度回答，分层递进，带具体方案}

**差距在哪**：{分析差距，点出面试官考什么}

善用 Mermaid 流程图：当答案涉及多阶段流程、对比关系或架构拆分时，优先用 ```mermaid 流程图替代纯文本 ASCII 图。项目前端已支持 Mermaid 渲染，流程图比文字列表更直观。适合使用的场景：

• 多阶段管线（如 RAG 检索 → 精排 → 生成）
• 对比（如有/无某方案的效果对比）
• 架构分层（如 Agent 四层架构）
• 决策分支（如"什么场景用什么方案"）

不需要每道题都加图，只在图比文字更清晰时使用。

4. 修复引号

插入完成后，对所有修改过的文件运行：

python3 .claude/skills/chinese-quotes-fix/fix_quotes.py "learn-agent-interview/{目标目录}/index.md"

5. 更新题目索引

分发完成后，更新 question-index.md：

• 在对应维度下追加新增题目（保持编号连续）
• 更新统计表中的题数和总计
• 如果是增强已有题目（如追加追问），在索引中对应条目后标注追问信息
• 更新"最后更新"日期

6. 汇报

输出分发结果表格：

题目	分发到
Q1: ...	05-eval-and-vision (新增)
Q2: ...	10-training-and-data (增强已有)

注意事项

• 绝不新建面经实录文章（如 12-xxx/），所有题目分发到 01-11 的已有维度文章
• 个人化问题（"你用过XX吗""你简历上的XX"）必须转为通用问题
• 与已有题目重复时，增强已有答案而非新增
• 来源标注保留原始公司/岗位信息