Kimi Code 面试最后一页

岗位一句话

把概率模型接入真实仓库、工具和开发流程，建设可恢复、可观测、可验证的 Agent runtime / harness；不是做 ReAct demo，也不是只调 prompt。

回答公式

结论 → capability frontier → PUB/PRODUCT/TRACE/EVAL 事实面 → 真实控制路径 → 失败模式 → 证据与指标 → tradeoff

任何回答如果只有名词，没有错误语义、验证或取舍，都还不够深。公开源码回答“能否审计机制”，不回答“是否能力领先”。

六个技术支柱

支柱	必须说出的词
Loop	Turn/Step、steering、cancel、typed retry、budget、dedupe、verifier
Tool	schema、effect、receipt、idempotency、PTY、backpressure、partial effect
Context	smallest sufficient evidence、stable prefix、retrieval、compaction invariants
State	append-only journal、reducer、migration、replay、artifact、reconciliation
Safety	workspace trust、sandbox、capability policy、secret broker、injection
Eval	real task、first bad decision、harness disclosure、broken-task audit、rollout

六个核心判断

Provenance/可验证性与 frontier capability/先进性是两个正交轴；Kimi 是 glass box，Codex、Claude Code、pi 是 reference cohort，不凭 source openness 排名。
模型能力与 harness 能力必须做 ablation 才能归因。
长 context 是容量，不是相关性；context engineering 不会因 1M 消失。
“Agent 说完成”不是完成；外部 verifier 才定义完成。
Multi-agent 只在可分解、低冲突、可独立验证时值得。
安全体验靠确定性 containment 降低权限摩擦，不靠更多弹窗。

白板默认架构

Clients -> Session API -> Orchestrator
                         |-- Loop/State Machine
                         |-- Context Engine
                         |-- Tool Plane -> Policy/Sandbox/MCP/Remote
                         |-- Verifier
                         |-- Subagent Scheduler
                         +-- Journal -> Reducers -> Transcript/Trace/Eval
                                   \-> Artifact Store

Scope：App -> Workspace -> Session -> Agent -> Turn -> Step。

恢复语义

cancellation ≠ rollback；
timeout ≠ tool 未产生副作用；
unknown effect 不盲目 retry；
tool intent -> effect receipt，缺 receipt 时先 reconciliation；
context overflow 走 compaction/replay；
quota/auth/schema 错误 fail fast；
transient + idempotent 才 bounded retry。

指标树

主指标：verified、regression-free、用户接受的任务完成率。

Guardrails：time/cost、人工接管、permission burden、recovery、破坏性 incident、无关 diff、p95 latency。

报告必须带：model、harness、tools、effort、budget、repo commit、task validity、runs/variance。

三个项目必须各有

用户后果；
真实控制路径；
第一次错误决定/根因证据；
你的关键设计；
删除了什么复杂度；
verifier 与量化结果；
剩余风险。

四个不能说空的话

“加 retry” → 先分类错误、幂等与副作用；
“加一个 Agent” → 先证明可分解度和协调收益；
“上下文越长越好” → 讲 attention、成本、cache 和污染；
“benchmark 提升了” → 讲任务有效性、harness、预算和真实用户指标。

反问优先级

当前最主要的 failure cohort 与可信线上指标是什么？
怎样区分该训练模型还是该改 harness？
从 trace 假设到 eval、canary、线上 rollout 的闭环怎样运转？
入职 90 天后，什么具体证据代表这个人招对了？

最后提醒

不声称知道内部架构或优先级；公开代码只作为可验证的讨论起点。
闭源后端只写 PRODUCT 已确认、INFERENCE 或 UNKNOWN；不把官方产品 contract 伪装成源码事实。
Frontier snapshot：Codex 看 durable multi-surface、parallel work、Automations 与 live steering；Claude Code 看多种 orchestration primitive、Goals/Routines、Managed Agents；pi 看 minimal programmable harness；Kimi 看 glass-box control path。它们不是未经同条件 eval 的总榜。
最新协议/论文用来提出问题，不用来炫名词。
任何不确定性直接限定范围；不把一次 run 说成普遍规律。
最后用证据结束：测试、trace、diff、指标、未验证项。
协议成熟度快照：MCP 2026-07-28 是 final stable；A2A 当前为 stable 1.0.x；ACP wire v1 stable、v2 under development；OpenTelemetry GenAI agent spans 仍为 Development。规范状态不等于生态采用率。
Kimi Code 证据分层：完整分析快照 e22479a，本轮最终 freshness 核到 main 的 75395f6，最新正式 release 0.31.1；不要把三者写成同一个版本事实，更不要由 freshness 推出先进性。