AI Agent 全栈工程师

主题

第 22 周 · Day 4：项目复盘——用 STAR 法则重写里程碑 ​

对应手册任务：学习「项目复盘：用 STAR 法则重写三个里程碑」，动手为每个项目写 Situation/Task/Action/Result，重点写架构决策和踩坑，当日产出 STAR 文档。本篇只解决一个问题：23 周攒下的代码和文档，你自己讲出来是一串技术名词，面试官抓不到重点。STAR 把项目经验重组成一条叙事线：冲突在哪、你负责什么、做了什么决策、拿到什么结果。

今日目标 ​

  1. 说得清 STAR 和「项目介绍流水账」差在哪，面试官到底在四个格子里找什么
  2. 掌握每个格子的深用法：S 一句话造冲突、T 划职责边界、A 写决策和被否掉的替代方案、R 用压测与评估数据量化
  3. 独立写出四个里程碑的 STAR 文档，配上踩坑素材库和每个 STAR 三条预判追问，形成能直接带进面试的弹药包

概念讲解：为什么 STAR 不是填表，是叙事设计 ​

先看一段典型的流水账：

「我做了三个项目。第一个是全栈 CRUD，前后端都写了；第二个把项目部署上云，加了监控；第三个是多 Agent 客服系统，用 LangGraph 写的 Supervisor，还做了人工审批。」

面试官听完，脑子里只剩一串技术名词。他不知道哪个难、你解决了什么问题、为什么这么做、结果怎样。下一个问题只能是「详细讲讲第二个」，于是你从流水账第一格开始现场组织语言——最该提前准备的部分被留在了考场。

STAR 是 Situation（情境）、Task（任务）、Action（行动）、Result（结果）的缩写。但把它理解成四格填空就废了，四个格子各凑一百字，读起来像分类账。它真正的用法是叙事设计：S 制造冲突，T 把你放到冲突中心，A 展示你怎么打，R 证明你打赢了。一条线下来，面试官不用追问就知道重点在哪；他追问，也只会顺着这条线挖，而这条线上你提前铺好了防线。

你手里的弹药比想象中多。23 周的每周教程末尾都有「常见踩坑」章节，第 16 周有 golden dataset 和 judge 一致率报告，第 21 周有 100 并发压测数据。这些资产此刻兑现：没有生产流量不要紧，压测和评估数据同样是量化结果，而且是真实测出来的。

核心知识 ​

1. S：一句话造冲突 ​

反例：「我们项目是一个客服系统。」

正例：「客服 Agent 要同时处理查订单和退款两类请求，单 Agent 塞下所有工具后提示词膨胀、工具选错率上升，而退款是高危操作，错了直接资损。」

差别就在冲突。冲突从三个维度来：规模（多少请求、多大延迟压力）、约束（几天内上线、没有运维人力、高危操作不能错）、痛点（改一个字段要改三处、挂了没人知道、成本翻倍）。一句话里塞进一到两个，难度立刻立起来。

S 的长度是一到两句。背景铺垫超过三句，面试官已经走神了。

2. T：划清你的职责边界 ​

T 回答「你在冲突里扮演什么角色」。团队项目要写清你负责的切片，个人项目要写清你划定的负责范围。「独立完成部署链路」和「参与部署」是两个完全不同的信号。

学习项目没有团队分工，T 就写范围决策：在什么约束下，我选择把这个做全、把那个砍掉。这本身就是工程判断力。T 还给 A 划了范围，T 里没提的部分，A 里就别写，写了面试官会问「这是你做的吗」。

3. A：最值钱的部分——决策、理由、被否掉的替代方案 ​

A 不是技术清单。「用了 LangGraph、Redis、Docker」一个词都不用写在 A 里，简历上看得见。A 要写的是每个关键节点的决策三件套：做了什么决策、为什么、权衡过什么替代方案。

记住一条：「为什么不用 X」比「用了 Y」值钱。说出「Supervisor 我用硬路由，权衡过软路由但否掉了，因为……」，面试官听到的是判断力；只说「我用了 Supervisor」，他听到的是照教程敲。前者是工程师，后者是实施者。

A 占整个 STAR 的六成篇幅。每个里程碑准备两三个决策点就够，贪多则每个都讲不深。

4. R：量化，压测和评估数据顶上 ​

R 的铁律是有数字。「系统稳定运行」不是结果，「100 并发压测下的延迟和单次对话成本记录在周记里」才是。

没有生产流量，就翻第 16 周和第 21 周的产出：golden dataset 30 条的回归通过率、judge 与人工标注的一致率、100 并发压测的延迟与成本、语义缓存命中率、注入测试从中招到拦截的转变。这些经得起「怎么测的、基线是什么」的追问。

绝对不编数字。面试官顺着任何一个数字往下挖两层，编的当场穿帮。

动手任务：四个里程碑的 STAR 一步一步 ​

手册说「重写三个里程碑」，我建议四个全写，再从中挑三个最能打的。投 Agent 岗带 v3、v4，投全栈岗带 v1、v2，弹药齐了才有得换。全程约 60 分钟。

第 1 步：建文件。 在本周的产出目录新建 star.md，四个里程碑各起一个二级标题，每个标题下写 S/T/A/R 四段，末尾留一节「预判追问」。

第 2 步：v1 全栈 CRUD——主打 monorepo 工程决策。 范文：

S：全栈项目前后端各写一套类型定义，接口字段一改两边手动同步，漏一处就运行时才爆。 T：独立完成实体 CRUD 全链路，工程结构自己定。 A：选 monorepo 而不是两个独立仓库，把接口类型抽成共享包，前后端同时引用，改一处字段、两端编译期同步报错；一条命令拉起全部服务。权衡过拆成两个仓库（部署独立），但当时没有独立部署需求，跨仓同步类型的成本更高。 R：字段变更从「改两处、漏一处运行时炸」变成「改一处、编译器两处把关」；这套共享类型在第 20 周接 BFF 时还在直接复用。

第 3 步：v2 上线监控——主打单机到云的部署链路。 范文：

S：应用只能 localhost 跑，没 HTTPS、没日志，进程挂了没人知道。 T：独立完成从单机到公网可访问的完整部署链路。 A：Docker Compose 统一运行环境；Nginx 反向代理，Certbot 申请 Let's Encrypt 证书上 HTTPS；GitHub Actions 走 SSH 自动部署，push 即上线；pino 输出结构化日志，prom-client 暴露 /metrics，Prometheus 抓取、Grafana 画面板；补上 /health 健康检查和优雅关闭。权衡过托管平台，但它的部署链路是黑盒，我要的是看得见每一跳。 R：公网 HTTPS 可访问，push 到 main 自动部署；面板能看到接口指标，服务异常时健康检查先于用户发现。

第 4 步：v3 多 Agent——主打硬路由决策和 HITL。 范文：

S：客服场景有查订单、退款两类请求，单 Agent 塞所有工具后提示词膨胀、工具选错率上升，退款又属高危操作，无人兜底。 T：设计并实现多 Agent 协作架构，含人工审批链路。 A：Supervisor 模式拆出客服、订单、退款三个 Worker。关键决策是硬路由：Supervisor 用结构化输出一次性决定路由给哪个 Worker，图的边是确定的；权衡过软路由（把 Worker 列表交给 LLM 每步自选），自由度更高但不可控、出错难定位。退款前用 interrupt() 中断等待人工批准，前端审批后恢复 Graph；工具调用统一加超时与重试。 R：高危操作 100% 经人工审批；每条请求的路由决策在图里看得见，出错能归因到具体节点。

第 5 步：v4 安全评估——主打评估驱动和纵深防御。 范文：

S：Agent 接了工具、读外部文档，注入攻击面变大；prompt 一改，好一处坏两处，没有回归手段。 T：独立建立评估基线与安全防线。 A：评估先行——从对话记录挑 30 条人工标注成败，建 golden dataset；judge 从打分改成二元判定，迭代 rubric 把与人工一致率做到 80% 以上；promptfoo 接进 CI，通过率跌幅超 3% 自动阻断合并。安全上纵深防御——在知识库 PDF 里藏注入指令实测中招后，对照 OWASP Agentic AI Top 10 自查标出 3 个高风险项逐一修复；guardrail 中间件做输入过滤、输出脱敏、高危工具二次确认，多层设防而不是赌单点。 R：prompt 变更有了回归门禁；注入测试从「中招」到「被拦截」；judge 一致率达标，评估链路可复跑。

范文里的数字（30 条、80%、3%）是手册定的目标和量，直接用没问题；其余效果描述换成你的实测记录再背熟。

第 6 步：建踩坑素材库。 新建 pitfalls.md，把 23 周每周的「常见踩坑」过一遍，每条压成一行：现象 → 根因 → 修复 → 出自第几周。比如空数组让泛型推断成 never[]、MCP 新规范改成无状态、RAG 文档被投毒。挑十条最痛的背熟。坑是最好的故事素材：有冲突（现象）、有侦查（根因）、有解法（修复），面试官问「遇到过什么难题」时，你张口就是结构化的三段。

第 7 步：给每个 STAR 预判 3 个追问，写下答案。 这是深挖防线。面试官一定顺着 A 往下挖，大概率是三类问题：为什么不是另一条路、极端情况怎么办、细节经不经得起查。示范：

  • v1：共享类型包会不会循环依赖？后端换语言，共享类型怎么办（答案方向：类型契约转代码生成）？
  • v2：证书过期怎么处理（Certbot 自动续期）？发布出问题怎么回滚？HTTPS 在 Nginx 终止后，到后端这段是明文吗？
  • v3：为什么不用一个大 Agent 全干？多 Agent 死循环怎么防（第 21 周的 recursion_limit 在这里兑现）？interrupt 之后会话状态存在哪（checkpointer）？
  • v4：judge 自己不准怎么办（校准集、二元判定、一致性抽检）？注入永远防不完怎么办（假设会被攻破，纵深防御加高危操作兜底）？

每个追问写两三句话的答案进 star.md，答不上来的回对应周教程补。

时间分配

四个 STAR 各 10 分钟，初稿允许糙，先求结构完整；素材库和追问各 10 分钟。Day 5 写简历时每个 bullet 都从这份文档压缩而来，今天多花一分钟，明天省十分钟。

常见踩坑 ​

坑 1：把 STAR 写成填表。 四格各自凑字数、互相不连贯。STAR 是一条叙事线，检验标准是朗读：四段连起来读一遍，像分类账就推倒重写，像在讲一个有起伏的故事才合格。

坑 2：A 写成技术栈清单。 「用了 LangGraph、Redis、Docker」这种句子一个字都不值。A 里每个技术名词都必须跟着「为什么是它、不是别的」。写完自查：技术名词出现几次，「权衡」「否掉」「因为」就该出现几次。

坑 3：R 里没数字，或者数字是编的。 两个极端都致命。没数字等于没结果；编数字等于埋雷，面试官顺口一句「这个 80% 怎么测的」就穿帮。回去翻第 21 周的压测报告和第 16 周的评估记录，那里面有真数字。

坑 4：S 铺三段背景。 从项目由来讲到技术选型史，讲到冲突时面试官早没耐心了。S 只有一到两句，冲突要落在规模、约束或痛点上。写完数句子，超过两句就删。

坑 5：只备正叙，不备追问。 STAR 背得滚瓜烂熟，一句「为什么不用 X」当场卡壳，前面攒的好印象全部还回去。每个 STAR 至少预判 3 个追问并写下答案，防线和正叙同等重要，因为面试官的水平就体现在追问里。

自测问题 ​

先自己答，再展开对照。答不上来的，回对应小节看一遍。

  1. 为什么「为什么不用 X」比「用了 Y」更值钱？
参考答案

「用了 Y」只能证明照着做过；说出否掉了 X 以及否掉的理由，证明你面前摆过多条路，有自己的判断标准和取舍依据。前者是实施者信号，后者是工程师信号，面试官为后者付钱。

  1. 没有生产流量，R 还能写什么？
参考答案

写压测和评估数据：第 21 周 100 并发压测的延迟与成本、第 16 周 golden dataset 的通过率与 judge 一致率、语义缓存命中率、注入攻防的前后对比。真实测出的数字，经得起「怎么测的、基线是什么」的追问。

  1. S 的冲突从哪三个维度来？为什么必须造冲突？
参考答案

规模、约束、痛点。因为面试官评估的是解决难度：没有冲突的项目，结果再好也显不出你的作用。冲突把「做了个项目」变成「解决了个问题」。

  1. 四个里程碑各主打什么？被问「讲一个最有挑战的项目」怎么选？
参考答案

v1 主打 monorepo 工程决策，v2 主打单机到云的部署链路，v3 主打 Supervisor 硬路由决策和 HITL，v4 主打评估驱动与纵深防御。按 JD 选：Agent 岗优先 v3、v4，全栈岗优先 v1、v2；拿不准就选冲突最具体、数字最硬的那个。

  1. 踩坑素材为什么要单独建库，而不是塞进 STAR？
参考答案

STAR 篇幅有限，塞进去会稀释主线。踩坑故事单独存档，被问「遇到过什么难题」时按「现象 → 根因 → 修复」三段输出，和 STAR 形成两套互补弹药：一个讲项目主线，一个讲问题排查。

延伸阅读 ​

今天的产出 star.md 和 pitfalls.md 留好，明天的简历初稿，每一句都要能从这两份文档里找到出处。