面试速查卡（考前 15 分钟翻一遍）#

项目一句话#

DocMind 是面向研发团队的 Agentic RAG + MCP 知识问答系统（Java 全栈），核心是路径决策三模式 + 真·LLM 工具调用 agentic 检索循环 + 结构化引用覆盖率置信度，经 52 条离线评测量化验证。

RAG 管线全景（6 层 + 2 横切）#

文档 ──→ ① 知识工程 ──→ ② Query改写 ──→ ③ 检索召回 ──→ ④ Rerank截断 ──→ ⑤ 可信生成 ──→ ⑥ 反馈闭环
         切块/索引       改写/分类/路由    混合检索/Agentic   Cross-Encoder     引用/CRAG/评测    观测/记忆/缓存
                                                                    │
                                    ⑦ 架构收敛（"加了又删"）──────────────────── 贯穿全链路
                                    ⑧ 全链路降级（10 层独立兜底）──────────────── 贯穿全链路

必记 8 个数字#

开场 30 秒#

“DocMind 是我独立设计实现的企业级知识问答系统，核心是 Agentic RAG。架构上做了三件事： 第一，路径分流——85% 简单查询走规则引擎 <1ms，只有复杂题才进 LLM 工具调用的 agentic 循环； 第二，混合检索 + 统一重排——向量+BM25+RRF 融合，Cross-Encoder 统一标尺，全链路 MRR 提升 0.31； 第三，结构化引用替代自反思——纯 Java 解析引用覆盖率做置信度，省掉一整条 LLM 往返。 整个过程经历了 28 次迭代，每次有评测数据支撑。最有意思的是——我先后实现了拆解、多跳、自反思三条分支，最终对标 Anthropic 后全部删掉，收敛成一个 agentic 循环。“

3 个必讲故事#

5 个必杀题应答要点#

反击引导句（讲完一个话题后主动引向你准备最充分的方向）#

• “这个选型背后更有意思的是取舍过程——我先实现了三条分支，最后对标 Anthropic 全删了，要不要我讲讲？” → 引向 Story 7
• “这个 bug 的排查体现了我们的可观测性建设——从 Langfuse trace 里直接定位到证据在哪一层被丢的…” → 引向 Story 6
• “其实降级路径的设计也很有意思——每一层组件失败都有独立的兜底…” → 引向 Story 8
• “这个工具设计背后更有意思的是安全约束——白名单怎么做、16 处硬约束如何对标 OWASP…” → 引向 Story 13
• “调试这个推理失败的关键是trace 回溯——每轮 agentic 循环都有 tool_call 参数记录…” → 引向 Story 12
• “我们评估过 CrewAI/AutoGen 做了 PoC——延迟+3-5s、CRAG 判断不如代码稳定，最终选了自研…” → 引向 Story 14

Agent 专项速查#

技术选型速查#