本文是 AI Agent 面试系列第 02 篇，为可直接落地的面试执行路线总览。整理七轮面试关卡对照表，拆解每一关的题型、准备清单、高频踩坑点，附带分阶段时间轴与可保存打印的面试前速查卡。区分不同任务准备优先级，解答投递无回复、短时间突击面试等现实问题。本篇不讲解技术原理，聚焦面试全流程的行动指南。

本文为 AI Agent 面试系列第一篇，完整拆解 AI 岗位校招从网申到拿到 Offer 的全漏斗招聘流程。区分测评、笔试、异步 AI 面试、多轮技术面、HR 面各自的筛选目标、题型、高频翻车点和准备标准。文章澄清大量面试误区，提供分阶段准备策略与最小面试准备系统；强调面试不是刷题背八股，要理解每一轮面试官筛选逻辑，针对性投入精力。本篇只讲招聘流程，不涉及 LLM、Agent 等技术原理。

本文是 AI Agent 工程系列项目赏析，深度解析 OpenCode —— 基于 TypeScript + Effect‑TS 构建的 Terminal Coding Agent。不同于 OpenHands 聚焦代码沙箱执行，OpenCode 采用**Server/Client 内核客户端分离架构**：Agent 内核作为独立本地 HTTP Server，TUI、IDE 插件、SDK、Web 都

本文为实用篇收官之作，梳理14篇内容，按“解决问题”重构工具选型地图：从环境搭建（Python/Docker）、模型接入（DeepSeek/OpenRouter）、智能体使用（Hermes/OpenClaw），到自研开发（SDK+ToolCalling）、标准化（MCP）、流程编排（LangGraph）、部署开源（Docker/GitHub）。强调“工具是手段，不是目的”，倡导基于场景决策，避免过

文针对Agent优化难以量化的问题，为RepoDoctor构建评估数据集，用五项指标打分，实现修复前后成功率从55%升至72%的量化证明。

这段内容是一个关于将Agent项目开源到GitHub的完整教程，包含了目标、环境准备、步骤、验证、设计权衡、踩坑记录和下一步目标等多个部分。具体内容讲述如何把一个已完成的Agent项目推送到GitHub成为公开仓库，包括补全项目文件、Git操作、创建远程仓库、发布Release等步骤，还有一些踩坑记录和后续展望。

核心步骤：编写Dockerfile、配置.dockerignore防止密钥泄露、构建镜像、运行时注入.env、可选compose编排。验证三项确保部署成功。权衡对比Docker/venv/裸跑：Docker最利于分发上线，但中小项目不必过度工程。

文章赏析了DeerFlow 2.0这一长时任务Agent架构，主题是关于如何构建能运行几分钟到几小时的Agent系统，重点讲了它如何围绕“失败”而非“成功”来设计架构，包括Run/Worker/RunStore、租约、孤儿恢复、检查点回滚等容错机制。摘要需要简洁，抓住核心和精华。一段话归纳，可稍有结构感。DeerFlow2.0是字节开源的long-horizon SuperAgent harnes

文章赏析了DeerFlow 2.0这一长时任务Agent架构，主题是关于如何构建能运行几分钟到几小时的Agent系统，重点讲了它如何围绕“失败”而非“成功”来设计架构，包括Run/Worker/RunStore、租约、孤儿恢复、检查点回滚等容错机制。摘要需要简洁，抓住核心和精华。一段话归纳，可稍有结构感。DeerFlow2.0是字节开源的long-horizon SuperAgent harnes

Trace 是 Agent 的飞行黑匣子。不要顺着时间流水式阅读执行日志，正确方式是从错误结论逆向追溯错误传播链，定位第一个发生异常的节点。本篇以真实 Run #1827 完整案例演示如何通过 Trace 定位 Planning 与校验缺失两类根因，完成闭环调试。