Agent 跑得慢，90% 的情况锅不在模型，在架构。架构选错，模型再强也是给一个漏水的桶灌水。

1. 性能瓶颈在哪：不是 token 慢，是 agent 闲着没事干还在转圈
2. 两种范式：Pull 模式（Loop 主动要任务）vs Push 模式（Event 主动叫 agent）
3. 传统 Loop 不是死循环：真正的 ReAct / Plan-Execute 是有终止的思考-行动-观察链
4. Event-driven 核心不是 push：是控制反转——agent 不用关心"什么时候该醒"
5. 适用边界：Loop 适合推理密集，Event-driven 适合 I/O 密集 + 异步多源
6. 反直觉：用错 Event-driven 反而更慢，因为它把"思考"也异步化了
7. 实战选择：高并发客服用 Event-driven，长链科研推理用 Loop

什么时候干什么活，比怎么干活更决定成本——这是架构选择的第一性原理。

记忆污染不是"清缓存重启"能收场的 bug，而是一次系统级的故障状态恢复。

1. 本质区别：缓存异常是死数据、抛错即停；记忆污染是 agent 带着错误记忆继续自主决策，且 自己不知道错了。
2. 攻击面：间接 prompt injection 把恶意指令藏进网页 / 文档，被 agent 写进长期记忆后静默持续执行。
3. 事前 三 道防线：索引与内容分离、容量约束 + 快照漂移防护、写入前准入扫描。
4. 事后三步走：全链路溯源 → 原子化回滚与补偿 → 认知重塑。
5. 两条红线：不设计无限记忆空间、不剥夺用户对记忆的回滚控制权。

海量 Skill 不能全量塞进 prompt，核心是渐进式披露（progressive disclosure）按需加载。

1. 为什么淘汰全量：token 是模型的注意力预算，工具目录涨到 200 个左右，工具选择准确率从 95% 断崖跌到 41%。
2. 三 层渐进式披露：L1 元数据索引 → L2 意图注入 schema → L3 触发 RAG 翻文档，token 开销砍掉 90% 以上。
3. 冷启动延迟：前端轻量路由分流 + 高频工具常驻 KV cache，响应时间缩短 30% 以上。
4. 状态断联：任务快照浓缩执行进度，切技能时注入，新技能原地复活。
5. 反过度设计：二三十个技能别上三层，前置语义过滤 + 精简 prompt 更稳。

面试官三轮的真实考察点，不是会调 API。

1. 一面（项目深挖，70 分钟）：从短期记忆到长期记忆、从成本控制到模型选型，全程追问项目细节，无八股文
2. 二面（系统设计）：从 0~1 搭一套商用 Agent 系统，边画架构图边追问落地细节
3. 三面（认知面/定级面）：聊赛道判断、个人差异化、1-2 年内行业瓶颈预测
4. 面试官要的不是会调框架的人：要的是做稳定、做可控、上线不出事的人
5. 新人别只写 demo：先把 token 机制、注意力机制这些底层搞清，再做有工程细节的完整项目

换更简单的 Harness，能把 Token 砍掉一半。Pi Agent 是这条线上的典型代表。

1. 同模型实测：Pi 平均 2.82M token，是 Claude Code 5.52M 的 51%。
2. 耗时：Pi 8.75 分钟 vs Claude Code 11 分钟，差距有限。
3. 极简默认：4 工具（read/write/edit/bash），系统提示词 < 1000 token。
4. 双层扩展：Skill 是说明书；Extension 改写 Agent 自身运行方式。
5. 自改造：Pi 自己读扩展文档、自己写代码改 Extension。
6. Sub-agent：靠 Extension 实现，按角色配不同厂商模型和思考强度。
7. SDK 嵌入：把 Pi 核心能力移出终端，作为应用里的 Agent 引擎。

开箱即用选 Claude Code / Codex；想改造 Agent 或嵌进自己的应用，选 Pi。

ClaudeCode 进阶命令 6 件套,把"人在回路内"升级成"人在回路外"。

1. 痛点：Vibe Coding 卡在"敲回车",AI 走一步你推一步
2. 核心枢纽 /goal：把"下一步"换成"终点",AI 自判自跑
3. /loop + /batch：派 AI 等长任务、拆 sub-agent 并行处理
4. /simplify：commit 前的最后一道美容,改风格、不做 bug 检查
5. /doctor + /debug：AI 给自己看病,前者查环境、后者查行为
6. 真价值：把人类角色从操作员升级为产品经理

核心观点：CSS 级联按"属性"算胜负，不是按"类名"合并。

1. 裁决顺序：specificity → layer → 源码顺序，最后登场者赢
2. 冲突点：同一属性只能保留一个值，类名再多也是同一个声明位
3. 典型坑：layout.css 后加载的 .flex-col 会把 utils.css 的 .lg:flex-row 改回去
4. 回答"flex-col flex 能不能拆开"：不能，CSS 不按类名分摊属性
5. 推论：抢不同属性时互不干扰，按 reset/utilities/components 拆文件完全可行
6. 排查路径：DevTools → Computed → 看属性右边列出哪些规则在抢

微前端样式隔离的本质是"作用域隔离"——子应用样式限定在自己容器内，不污染全局。

1. 三种策略：默认不隔离、容器作用域隔离、Shadow DOM 强隔离
2. 工程首选：容器作用域，运行时或构建时给规则前置容器 ID
3. 核心做法：拦截样式表，自动加 #subapp .btn { ... }
4. 构建方案：PostCSS 插件打包阶段前置，零运行时开销
5. 根级陷阱：html/body/:root 不能前置，否则全局 reset 失效
6. Shadow DOM 代价：Ant Design / Arco 的 Portal 会被拦截，组件渲染错位
7. Portal 应对：选库时确认 Modal/Drawer 支持自定义挂载点
8. 结论：绝大多数项目走容器作用域，Shadow DOM 留给零污染少数场景

核心论点：pnpm link 验证的是本地源码，不是发布产物——两套验证面必须各走各的。

1. link 视角：指向本地源仓库，src/ 里有什么就能解析什么。
2. publish 视角：files 白名单外的目录全不进 tarball。
3. CI 视角：装的是 npm 上的发布包，看不到未列进 files 的源码。
4. 缺失验证：pnpm pack 解包 grep，文件齐全才算发布面 OK。
5. 踩坑信号：link 全绿、CI 找不到 module，99% 是 files 漏了。

ClaudeCode 的 /loop 让 AI 自动定时执行任务，不用人盯着等结果。

1. 基础用法：/loop <interval> <prompt>，支持自然语言描述间隔
2. 底层实现：cron 表达式，最小粒度 1 分钟，秒级向上取整
3. 默认间隔：未指定 interval 时默认每 10 分钟执行一次
4. 取消方式：用自然语言 "Cancel the job for X" 即可停止
5. 自动过期：循环任务 3 天后自动删除，防忘记取消
6. 触发条件：只在 ClaudeCode 空闲时跑，与对话并行不打断
7. 失效场景：关闭会话即终止，不持久化、不可恢复
8. 持久化方案：Actions Workflow、Desktop Schedule Tasks

核心定位：/loop 是短周期、轻量级、可中断的自动值守，不是生产级调度。