一、AI 测试的分水岭 从“使用”到“治理”现在市面上的 AI 测试落地尝试，基本分两个流派。一派是把 Claude Code 当外包小弟，人写提示词，它出脚本，人再复制粘贴到框架里。看起来快，实则返工率高得惊人。因为每一轮对话都是独立的，没有版本约束，没有上下文锁定，出问题只能从聊天记录里翻证据。 另一派，已经开始用交付流水线的思维治理 AI。不再把 Claude Code 当成一个聊天窗口，而是当成流水线里一个“生成步骤”。这个步骤有固定的输入源、参数化模板、审批节点、质量阈值，跑完自动进入下一环节。后一种做法的核心已经不是“用 AI”，而是把 AI 输出变成可治理的资产。这就是 Harn...

兄弟们有点裂开啊，boss投出去了两千份简历了，有什么问题吗，心态炸了

请简单介绍一下你自己。你在那边实习了差不多半年是吗？主要做算法还是偏工程化的工作？实际工作内容是以算法为主，还是以你描述的RAG项目内容为主？可以简单介绍一下两个项目吗？这个产品的质量是怎么衡量的？具体结果如何？你在差旅助手里设计了一个4层内存的隔离架构，大概是什么样的方案？如果不同的 agent 需要共享上下文，一般会怎么做？这个共享过程中会存在多线程或进程间的竞争情况吗？如果存在竞争，一般是什么情况下会出现多线程或多进程的竞争？常规的解法或方案有哪些？这种锁一般会采用什么样的锁？我看到你在差旅助手里拆分了四个 agent 的引擎，这种拆分的逻辑是什么？如果新增一个签证办理的场景，是会新增一...