SuperBizAgent-java/interview/archive/2026-07-24-legacy

SuperBizAgent 面试资料包

一句话定位

SuperBizAgent 是一个面向企业故障诊断场景的 Agent 工程项目。它把用户问题或 AIOps 告警转换成可追踪的 Agent 执行链路，并把工具证据、模型步骤、最终答案、自评估和用户反馈统一沉淀到诊断 Trace 中。

面试重点

• Agent 编排：Chat 复杂问题走 Planner -> Executor -> Verifier；AIOps 告警入口走 Supervisor -> Planner / Executor。
• 工具证据链：知识库、日志、指标、Prometheus 告警都通过显式工具调用进入链路，并记录到 tool_invocation。
• 可追踪诊断：一次诊断对应一个 sessionId，可通过 GET /api/diagnosis/{sessionId}/trace 回放。
• 质量门禁：Chat Verifier 校验 groundedness；AIOps 规则评估检查报告完整性、payload 聚焦和证据工具覆盖。
• RAG 工程化：lookup_knowledge 是显式 Agent Tool，底层通过 Spring AI VectorStore 主路径 + Milvus SDK fallback。
• 反馈闭环：用户反馈 useful 会沉淀 case_library，not_useful 保留 bad case 信号。

推荐阅读顺序

1. mvp/architecture/interview-one-pager.md：一页式架构图和 2-5 分钟讲解。
2. mvp/demo/ten-minute-interview-demo.md：10 分钟现场演示脚本。
3. interview/story-cases.md：可复用的面试故事案例。
4. interview/architecture.md：面试版系统架构。
5. interview/design-tradeoffs.md：关键设计取舍。
6. interview/demo-script.md：更细的命令式演示脚本。
7. interview/acceptance-checklist.md：面试前验收清单。
8. RAG 专题文档：rag-refactor-story.md、rag-vectorstore-interview-notes.md、rag-retrieval-quality-report.md。

核心演示链路

Chat 诊断

POST /api/chat
-> ChatService
-> Planner -> Executor -> Verifier
-> lookup_knowledge / query_logs / query_metrics
-> diagnosis_session + agent_step + tool_invocation
-> GET /api/diagnosis/{sessionId}/trace
-> POST /api/feedback

AIOps 告警诊断

POST /api/ai_ops
-> AiOpsService
-> PAYLOAD_TARGETED / AUTO_DISCOVERY
-> ai_ops_supervisor
-> planner_agent / executor_agent
-> queryPrometheusAlerts + logs + metrics + lookup_knowledge
-> alert report
-> aiops_rule_evaluation
-> GET /api/diagnosis/{sessionId}/trace

当前完成度

• Chat 诊断链路：可运行、可追踪、有 Verifier。
• AIOps 告警链路：可运行、可追踪、支持 payload scope control。
• RAG 检索链路：Spring AI VectorStore 主路径、Milvus SDK fallback、L0 hint、检索评测 baseline。
• Trace API：统一返回 session、agent steps、tool invocations 和 summary。
• Demo 材料：mvp/demo/README.md、mvp/demo/ten-minute-interview-demo.md。

主叙事

这个项目不是简单调用大模型，而是在做一个可审计、可验证、可回归的 Agent 诊断系统。模型可以规划和推理，但每一步工具证据、最终结论、Verifier 结果和用户反馈都能被 Trace API 回放。面试时重点展示“从问题到证据到答案到验证再到反馈”的闭环。