先问运行时控制，而不是模型选型

面试AI工程或Agent平台岗，很多人一上来就问用什么模型、接哪些工具。但据公开分享，小红书Muse的Agentic架构实践把焦点从代码生成速度移到了企业交付的连续性，并提到权限、验证和副作用日志要进入运行时控制。这句话值得当作面试提问的起点。

你可以这样问：Agent执行写操作前，权限在哪里校验？失败或产生副作用后，有没有可追溯的日志？如果对方只能回答“我们会加一层判断”，说明还在原型阶段；如果能讲清校验发生在哪一层、日志记录什么字段、谁来排查异常，才更接近生产系统。注意，这是判断团队成熟度的提问方向，不是对某家公司现状的断言。

再问隐性知识怎么沉淀

LinkedIn工程师在分享上下文工程时解释过，仅给编码Agent接上工具仍不足以处理大型内部系统，隐性流程知识会散落在文档、讨论和个人经验里。同一团队借MCP交付可组合的playbook，按需检索工具与说明以控制上下文负担，并用代码审查、鉴权和弃用机制维护目录。

对应到面试，你可以问：新人入职后，流程知识从哪里获取？工具说明由谁维护、过期了怎么下线？如果答案是“问老同事”或“看聊天记录”，你入职后很可能一边写代码一边当人肉文档。反过来，如果团队能说出目录维护和弃用机制，说明他们已经在为多人协作付工程成本。

最后问工程取舍，而不是能力清单

OpenAI推理团队的分享提到一个容易忽视的取舍：距离最近的GPU未必带来最低端到端延迟，他们把全局优化权重计算与本地快速决策分开。这类问题最能暴露团队是否真在生产环境里做过权衡。

面试时可以问：高峰期容量怎么分配？延迟和成本冲突时优先保哪个？故障时如何降级？只谈模型能力、不谈取舍的团队，通常还没被真实流量教育过。

一个实际可做的小建议：面试前把这三个方向写成三行问题，面试时逐条追问具体机制，而不是满足于“我们也在做”这类回答。答案越具体，你越能判断这份工作是在搭演示，还是在交付能长期运行的系统。