云阁科技（Evose）前端面试面经

2026 年 11 月 10 日线上面试，岗位是前端开发工程师（Agent 应用方向，初中级），约 28 分钟。结果未当场告知。以下是根据录音整理的提问、现场反馈和事后复盘；“下次怎么讲”是复盘后的表达，不代表现场原话。

1. 对方透露的信息

面试官介绍，他们在做 ToB 产品 Evose，让企业接入 AI、搭建工作流。平台提供 Agent、Workflow、Chat Flow、知识库、工具和 Skill，用来组配和解决企业实际问题。如果入职，主要参与这个 AI 产品的开发。

公司对 AI 工具的使用比较开放，面试官提到可以报销 Codex 等工具的订阅和额度。

面试官的核心反馈是：用 AI 没问题，但必须把基础和原理搞清楚，才能指挥它。要理解 LLM、Skill、MCP、harness 如何工作，知道 AI 写了什么，并且能自己做决策。

2. 问了什么（按现场顺序）

1. 自我介绍，大约 2 到 3 分钟。
2. 许昌职业技术学院管理系统：项目做什么，负责哪些模块。
3. 它和“群”有什么关系？解决什么问题，有哪些功能。
4. 数据源是怎么来的。
5. 从做过的项目里挑一个最能代表真实水平的，讲遇到的问题、解决办法和心得。
6. 借助 AI 开发功能时，怎么搭建、打理项目的 harness，让 AI 更快实现目标。
7. 项目里的 AGENTS.md 有什么作用。
8. 现在做 AI 开发常用什么工具；有没有用过 Claude Code。
9. 用 Codex 时，它怎么知道要用某个 Skill，上下文是怎么载入的。
10. 有没有自己接过 LLM，在页面上做简单的对话和模型回复。
11. 前端对接模型时怎么发请求、后端返回什么、怎么渲染；有没有用 SSE。
12. Vue 和 React 最大的不同；useState 是做什么的、为什么需要；Vue 的双向绑定和 v-model。
13. 反问：会接触什么业务、AI 工具怎么支持、后续学习建议。

3. 现场回答与复盘

开场

现场自我介绍偏短，2 到 3 分钟几乎只讲了实习做的专业群和低代码表单，社团平台和校园 RAG 是后来被追问才讲到的。专业群讲成了能走完选专业、审核、出培养方案，但没说清它尚未交付；国际化只说接触过，没说已经搁置。

下次开场可以先讲社团平台的权限和复杂交互，再讲校园 RAG 的知识库问答和来源展示，最后补充 ToB 低代码和复杂表单。项目状态要主动说明：专业群未交付，国际化搁置，AI 字段已提交但未使用。不能把实习和项目经历合起来说成两年工作经验。

许昌专业群

面试官两次打断，是因为我没有先讲背景、问题和功能。后来补充的内容是：给学校老师提供专业群搭建能力；在页面上选择负责的专业和领域，搭建专业流程，经管理员审核后生成培养方案。数据由第三方提供，后端定期拉取并同步到自己的数据库，再通过接口给前端。整个前端由我负责。

下次先按“背景、要解决什么、有哪些功能、我负责哪块”讲完整，再补一句这套系统尚未交付，不能说成已经上线。

社团平台（代表作）

现场讲了早期把数据交互集中在一个 Hook 上，交互要等两三秒，后来拆成五六个 Hook；也讲了刷新后按钮卡住和锁有关。但锁的机制说偏了，表现也不该说成白屏十几秒。

准确的说法是：登录回调还持有 lock:sb-127-auth-token，同时又要读取 session，形成了自己等待自己的死锁。修复时让回调先返回，等锁释放后再同步。实际表现是刷新后按钮假死。权限可以讲 RLS / RPC；签到只能校验身份和时间，客户端坐标仍可伪造。Expo 三屏尚未上线，不能讲成已上线功能。

下次先把背景、负责部分和一条真实踩坑讲完整，再提 AI 在定位或验证中起了什么作用。

AGENTS.md、harness、Skill

面试官问的是 AGENTS.md，现场只答了“约束不要乱写 any”，太窄。它在社团仓库里承载项目约定和审查规则，让生成代码按约定接受检查。

harness 和“Codex 怎么载入 Skill”是两道不同的问题。前者可以从项目约定、检查流程和工具边界讲；后者是可复用的操作说明由工具按规则载入上下文。没弄清楚的具体环节应如实说明，不靠模糊术语填空。

工具使用上，可以如实说目前 Codex 用得最多，Claude Code 试用过。重点应放在如何核验生成代码，而不只是列工具名字。

校园 RAG、模型对接与 SSE

现场真正的问题，是把主搜索和后来的 Agent 功能混成一句“没做 SSE”，还把模型用途和后端职责讲混了。

准确链路是：前端用 Next.js；主搜索请求 /api/search，等独立 search-service 返回完整 JSON 再渲染。检索、入库和混合检索（关键词加向量）都在这个服务里。可选的 LLM 补全是一次 Chat Completions，没有开启 stream，所以主搜索确实是等完整结果生成后显示。

项目里也有 SSE，但用于后来的 Agent 功能：/api/agent 返回 text/event-stream，前端通过 EventSource 接收检索、工具和整段答案等步骤事件，并非逐字输出 token。被问怎么发请求、后端返回什么时，先讲主搜索；被问到 SSE，再单独讲 Agent 这条链。千问三在仓库里用于 embedding / rerank，聊天模型由 LLM_MODEL 配置，不能说成接了千问三做流式输出。

还要准备三种情况：证据足够时返回答案和来源；证据不足时拒答或返回空结果，不编造；search-service 故障时明确提示检索失败。离线曾用 54 条黄金查询看 Recall@10、MRR、nDCG@10，但这个小集不能代表线上效果。检索指标好不等于答案正确；Agent 连接断开也不等于回答成功。

选择 Next.js 是为了在同一仓库里用 TypeScript 写页面和 BFF，把密钥与鉴权留在服务端，方便部署。长任务和检索放在独立 search-service。Vite 也能做交互端，Next.js 不是唯一选择，更不是因为主搜索必须流式出字。

React / Vue 基础

现场说 useState 是为了避免直接更新页面造成刷新和性能开销，这个解释不准确。useState 用来保存组件状态，调用 setter 后触发重新渲染。Vue 和 React 都能做组件化；被问到双向绑定时，对应 Vue 的 v-model。做过低代码表单，不宜说自己没用过 v-model。

4. 下次的答题顺序

项目题按“背景、要解决的问题、功能、我负责的部分、一个真实的坑”来讲。先解释机制，再说 AI 如何帮助定位或验证。

开场不能只讲实习。代表作优先社团平台或校园 RAG，不要还没讲完项目就把话题转成“我很会用 AI”。

反问可以围绕三点：入职后具体做 Evose 的哪一层；工具和模型额度如何支持；根据刚才的表现，最该先补哪块基础。