OPENING30 秒开口版
我会从架构升级讲坑，而不是简单说“模型不准”。早期最容易把 RAG 当 prompt 附件，把 Text2SQL 当模型写 SQL，把报告 Agent 当内部可信调用方。上线后会发现：RAG 搜得到但用错，SQL 能跑但口径错，权限只在执行前拦已经太晚，报告 Agent 拿到 rows 后会二次夸大，出错时没有 runId 和 evidence 很难复盘。所以后来升级成现在这套：retrieve、assemble-context、semantic-plan、validate/correct/execute、delivery contract、RAG replay 和 agent scope，把系统从 demo 变成可治理的数据智能层。
理解与记忆 · 术语、解析、关联知识点
| 专业术语 | 架构升级：从能跑的原型演进为可治理、可观测、可回放的系统 Evidence Packet：给人和 Agent 复查的证据包 Bounded Correction：有预算、有边界的 SQL 修复循环 Agent Scope：下游 Agent 的授权访问范围 |
| 为什么这样回答 | 面试官问坑时，好的答案要体现系统边界和演进，而不是把责任推给模型。 |
| 小白解析 | 早期像让模型自由发挥，后期像给它加了资料台、质检台、权限门和流水账。 |
| 关联知识点 | text2sql 架构文档总结从 v1.3 RAG evidence 到 v2 semantic-plan 的升级路径。 |
1 MIN一分钟口语版
我会讲五类坑。第一类是 RAG 坑，早期把检索结果直接拼 prompt，导致噪声、过期来源和无权证据混进去，后来拆成 retrieve、assemble-context、selected context。第二类是语义坑，业务词写在 prompt 里不可版本化，后来沉到 glossary、semantic registry 和 Modeling Layer。第三类是 SQL 坑，生成的 SQL 能跑但字段、join、时间窗口、聚合口径错，后来加 semantic-plan、join path、validate、dry-run 和 bounded correction。第四类是治理坑，报告 Agent 被当成内部可信工具，后来发现它也会放大错误，所以加 agent scope、field permission、evidence contract。第五类是排障坑，早期只返回 answer 和 SQL，出错很难复盘，后来把 runId、trace、artifact、RAG replay 和 delivery contract 变成主链路。
理解与记忆 · 术语、解析、关联知识点
| 专业术语 | Selected Context：过滤和收敛后的最终上下文 Semantic-plan：决定如何使用证据和生成查询的计划层 RunId：一次运行的追踪主键 RAG Replay：回放检索和重排过程的诊断能力 |
| 为什么这样回答 | 一分钟版按坑分类，能让面试官感到你是真的从系统迭代里踩过雷。 |
| 小白解析 | 不是一个 bug，而是一串系统问题：资料乱、口径乱、SQL 乱、权限乱、排查乱。 |
| 关联知识点 | README 提到 RAG lanes 可降级但原因写入 evidence，SQL correction 有预算，每次 run 通过 runId 串联 trace、delivery 和 replay。 |
EVOLUTION从 demo 到系统 Agent 的升级
从 prompt 附件到 selected context
检索结果不再直接拼 prompt，而是经过权限过滤、融合、rerank、去重和风险标记。
从表名猜测到语义计划
业务口径、实体、指标、关系路径先进入 semantic-plan，再生成 SQL。
从能跑到可信执行
SQL 必须经过只读、安全、权限、方言、dry-run、成本和 bounded correction。
从内部工具到 Agent scope
下游报告 Agent 也有权限边界，不能绕过系统 Agent 查库。
从答案到交付合同
answer、evidence、artifact、data pack、runId 分开，方便复查和复用。
从线上猜测到 replay
问题发生后可以按 runId 回看检索、计划、SQL、执行和交付。
DIAGRAM架构演进路径
从早期方案到当前方案
坑如何被架构能力吸收
TABLE踩坑、根因和升级
| 坑 | 根因 | 架构升级 |
|---|---|---|
| RAG 噪声大 | 把检索结果当 prompt 附件，没有 selected context。 | 权限过滤、RRF、rerank、去重、riskTags。 |
| SQL 能跑但错 | 缺少业务口径和 join path。 | semantic registry、relationships、semantic-plan、validation。 |
| 权限后置 | 只在执行前拦截，没有上下文权限。 | 检索前、selected context 前、执行前、交付前多阶段过滤。 |
| 报告 Agent 放大错误 | 下游 Agent 直接消费 rows 或自己查库。 | data pack、evidence contract、agent scope、runId。 |
| 排障困难 | 没有统一运行主键和工件。 | run persistence、artifact、RAG replay、audit log。 |
| 接口演进痛 | 旧报告模板依赖物理字段。 | semantic contract 和版本化口径。 |
面试里讲坑要落到“原来怎么设计、为什么出问题、后来怎么改”，这样才像真实项目经验。
BADCASE事故级复盘口径
| 具体 badcase | 为什么危险 | 后来怎么修 |
|---|---|---|
| “融资强”被 SQL 算成融资次数，而不是金额 + lead investor 质量 + 时间窗口。 | SQL 能跑，答案也像对的，但排序口径错，老板会拿错项目做判断。 | 把“融资强”放进 semantic registry，semantic-plan 必须带 metricId、timeRange、sort rule，validate 检查 SQL 是否匹配。 |
| RAG 搜到项目新闻，但 selected context 漏了官方公告和 source priority。 | 报告 Agent 可能把转载或旧新闻写成确定事实。 | gold evidence 标 sourceDocumentId、sourcePriority、publishedAt，delivery 加 conflictHint 和 riskTags。 |
| 权限只在 execute 前做，模型已经看过无权 schema 和字段名。 | 即使最后 SQL 被拦，模型可能在回答里泄露内部字段存在性。 | 权限左移到 retrieve、assemble-context、semantic-plan、validate、delivery，模型只看到授权后的世界。 |
| 报告 Agent 自己拼 SQL 拿 rows 写周报。 | 绕过 semanticVersion、policyVersion、evidence、artifact 和 runId，错误无法归因。 | 报告 Agent 只消费系统 Agent 的 data pack，必须携带 source runId、semanticVersion、policyVersion 和 artifactRefs。 |
INTERVIEW MAP面试表达地图
- 先表态坑不是模型不准，而是早期架构边界不够。
- 讲五类坑RAG、语义、SQL、治理、排障。
- 讲升级动作selected context、semantic-plan、validate、delivery contract、runId。
- 讲下游 Agent报告 Agent 会放大错误，所以必须受系统 Agent 约束。
- 讲收获Agent 系统要先治理事实，再生成表达。
SUBAGENTS面试官和候选人模拟
本章继续沿用第一章的两个 subagent 视角：面试官 subagent 负责追问架构边界、失败模式、评测、治理和下游报告 Agent；候选人 subagent 负责把回答压成现场能讲出来的中文，并且把每个观点落到流程节点、数据对象、合同或工程权衡。
本章追问重点：你能不能从过去架构升级讲问题，而不是泛泛说模型幻觉？
Q&A20 组高强度追问
面试官：早期如果让 Agent 直接查业务库，会带来哪些稳定性、权限和维护问题？
直接查库短期快，长期会失控。它绕过语义口径、字段权限、来源置信度和审计，表结构变更会直接打断报告 Agent，错误也无法通过统一 runId 复盘。
系统 Agent 与报告 Agent 边界：主讲系统 Agent 为什么统一出 data pack，其他题只补权限、性能或踩坑角度。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：从单次问答 Bot 升级到系统 Agent + 下游报告 Agent，最大架构变化是什么？
最大变化是从“回答一次问题”变成“提供可信数据服务”。系统 Agent 要输出 data pack、evidence、artifact、runId 和权限边界，下游报告 Agent 只组织报告，不拥有事实查询权。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：过去把业务规则写在 prompt 里，后来为什么抽成语义层？
prompt 规则不可版本化、不可评测、不可复用，也很难给报告 Agent 稳定调用。抽成 semantic registry 后，指标口径、关系路径、字段映射能被 planner、SQL generator、前端和报告 Agent 共同消费。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：Text2SQL 最隐蔽的错误有哪些？哪个最难排查？
字段选错、join 错、时间窗口错、聚合口径错都很隐蔽。最难排查的是口径错，因为 SQL 能跑、结果也像真的，只有对照 semantic-plan 和业务定义才能发现。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：RAG 初版为什么容易“搜得到但用错”？
因为召回候选没有经过上下文装配和重排，旧新闻、转载、弱相关、无权内容可能一起进 prompt。后来用 selected context、source confidence、riskTags 和 rerank 收敛证据。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：RAG 初版为什么“应该搜到却搜不到”？
常见原因是 chunk 切断证据、metadata 缺失、别名没覆盖、只用 dense、query rewrite 不够或权限过滤误杀。解决要靠 badcase 分类，而不是盲目调 topK。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：下游报告 Agent 依赖系统 Agent 后，会放大哪些失败？
如果系统 Agent 给错指标或低置信证据，报告 Agent 可能把它写成确定结论并传播。解决是 data pack 必须带 evidence、source confidence、riskTags 和 runId，报告 Agent 不能脱离证据写断言。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：为什么 runId、trace、evidence packet 是后期必须补的能力？
因为一旦服务报告 Agent，错误影响会跨系统传播。没有 runId 就无法知道当时检索了什么、用了哪个语义版本、SQL 怎么生成、权限怎么判断、报告引用了哪份数据。
runId、trace、replay 与回放：可信结果章主讲 runId 可回放，架构、流程、时效和可观测章只从各自链路补充。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：架构升级时如何兼容旧接口、旧报告模板和旧数据口径？
用版本化 contract。旧模板可以继续请求旧 semanticVersion，新模板走新版本；delivery contract 增字段保持向后兼容，物理表变化通过 semantic layer 适配。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：如何向面试官解释这些坑不是模型能力问题，而是系统边界问题？
我会说模型只是放大了系统没有定义清楚的边界。事实源、语义口径、权限、执行校验和交付证据如果没有架构化，换更强模型也会在复杂问题上不稳定。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：早期只返回 answer 和 SQL，为什么不够？
普通用户可能够，但投研和报告 Agent 不够。他们需要知道 SQL 为什么这样写、数据来自哪里、有没有降级、能否引用、出了错怎么回放，所以必须有 evidence 和 artifact。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：权限只在 SQL 执行前做有什么坑？
模型在生成阶段可能已经看到了无权 schema 或证据，导致上下文污染。正确做法是检索前粗过滤、selected context 前细过滤、执行前校验、交付前再裁剪。
权限校验位置与 fail-closed：权限章主讲治理边界，流程、安全和踩坑章复用同一原则。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：bounded correction 解决了什么坑？
它避免 SQL 一错就失败，也避免无限 agent retry。对可修复的方言、limit、轻微字段问题有限修复；对危险、越权、语义缺证据的错误直接终止。
SQL 校验、执行安全与 correct loop：架构章主讲 validate/correct/execute 是主链路，安全章主讲攻击面和终止条件。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：架构文档里旧节点和新节点命名不一致，面试时怎么讲？
主动说明这是演进痕迹。早期 clarify/retrieve-knowledge/build-intent-plan 的职责，现在主要收敛到 intake、retrieve、assemble-context、semantic-plan 这条 v2 runtime 主链。
运行时主链路与节点命名：流程章主讲当前 runtime 链路，架构和踩坑章只解释历史命名差异。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：报告 Agent 自己拼 SQL 的坑是什么？
每个报告 Agent 会重复实现实体消歧、权限、指标口径和来源引用，最后同一个“融资强”被算成多个版本。系统 Agent 收口事实，报告 Agent 专注叙事。
系统 Agent 与报告 Agent 边界：主讲系统 Agent 为什么统一出 data pack，其他题只补权限、性能或踩坑角度。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：空结果曾经容易被误解成什么？
容易被误解成“没有符合条件项目”，但也可能是时间窗口错、实体消歧错、权限过滤过严、RAG 缺证据或 SQL join 错。delivery 里要说明空结果原因和下一步建议。
空结果解释、评测与排查：可信结果章主讲空结果怎么可信解释，评测和可观测章分别处理验证与排查。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：架构升级过程中最大的代价是什么？
代价是复杂度上升：要维护 semantic registry、RAG 评测、权限策略、delivery contract、run persistence 和回放工具。但收益是结果可信、可复用、可审计。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：如果老板质疑“为什么做这么重”，你怎么解释？
如果只是 demo，可以轻；但老板问数和报告 Agent 都依赖它，对外内容会传播。我们需要的是数据智能基础设施，不是一次性聊天，所以必须把证据、治理和回放做进架构。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：如何防止架构升级变成过度设计？
每个新增层都要对应真实失败：semantic layer 对应口径错，governance 对应越权，delivery contract 对应报告引用，replay 对应排障。没有失败压力就不加抽象。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
面试官：面试里总结踩坑，你最后怎么收束？
我会说最大的经验是：Text2SQL 和 RAG 的问题表面是模型回答不稳，底层是事实源、语义、权限和交付没有工程化。架构升级就是把这些隐含规则变成显式系统能力。
理解与记忆 · 背后工程点
背后工程点：踩坑要讲架构演进：从 prompt demo 到有证据、有治理、有回放、有下游 Agent 合同的系统。
专业术语：Prompt Attachment 是把检索结果直接拼进提示词的早期做法；Evidence Packet 是可引用的证据包；Replay 是按 runId 回看检索、生成、校验和执行过程。
为什么这样回答：这样回答能把问题从“模型不准”提升到系统边界、观测和演进能力。
小白解析：早期像手工拼答案，后来要变成可审计的数据生产线。
关联知识点：text2sql 架构文档描述 v1.3 从裸 LLM 走向 RAG 证据，v2.0 进一步把 RAG 输入 semantic-plan。
PRINCIPLE本章背诵原则
- 坑要讲演进：原来怎么做、出了什么问题、后来怎么升级。
- 别只怪模型：把问题落到证据、语义、权限、执行、交付和回放。
- 报告 Agent 是放大器：下游依赖会放大小错误，所以必须有 contract 和 runId。
- 每层都有原因：selected context、semantic-plan、governance、delivery contract 都对应真实失败。
- 升级也有代价：承认复杂度上升，但换来可信、复用和审计。