By name: classify-interview-questions description: 将面试题按考察维度分类，拆分后加入 learn-agent-interview 已有维度文章。当用户发来一组新面试题（如"新的面试问题"、"XX公司面试"、"分门别类整理"、"加入这些问题"）时触发。不新建独立面经文章，而是分发到已有维度文档中。
classify-interview-questions：面试题分类分发
将新面试题按考察维度分类，拆分后加入 learn-agent-interview 的已有维度文章。不新建独立面经实录文章。
维度分类表
| 编号 | 维度 | 目录 | 典型考察内容 |
|---|---|---|---|
| 01 | 架构选型 | 01-architecture-design/ |
ReAct/Plan-Execute/ToT、Agent 组成、设计范式、规划器 |
| 02 | 工具管理 | 02-tool-management/ |
参数校验、工具路由、多工具调度、Mock 生成 |
| 03 | 容错与鲁棒性 | 03-fault-tolerance/ |
超时处理、误操作防范、幻觉治理、失败恢复 |
| 04 | 记忆与上下文 | 04-memory-context/ |
长对话、模糊需求、上下文污染、长短期记忆、to-do list |
| 05 | 评估与全局观 | 05-eval-and-vision/ |
量化评估、落地挑战、AI 工具价值/边界、行业认知 |
| 06 | 多智能体协作 | 06-multi-agent-collab/ |
角色分工、通信机制、冲突仲裁、记忆共享 |
| 07 | 工程化踩坑 | 07-engineering-pitfalls/ |
死循环、状态丢失、成本控制、AI Coding 实践、工具使用 |
| 08 | Prompt 工程 | 08-prompt-engineering/ |
模板构建、Skills 机制、好/差 Prompt 区别、框架创新 |
| 09 | RAG 与检索 | 09-rag-retrieval/ |
chunk 设计、查询改写、召回精排、Embedding/ReRank 微调 |
| 10 | 训练与模型 | 10-training-and-data/ |
数据清洗、LoRA、PPO/DPO/GRPO、位置编码、归一化、量化部署、多模态 |
| 11 | AI 代码测试 | 11-ai-code-testing/ |
覆盖率插桩、前置分析、代码过滤 |
| 13 | 简历项目拷打 | 13-project-deep-dive/ |
项目部署、框架选型、意图识别、工具设计、知识库构建、性能优化 |
执行步骤
1. 分类
收到面试题后，逐题判断属于哪个维度：
- 如果题目明显属于某个维度 → 直接分配
- 如果题目跨维度 → 选最核心的那个维度
- 如果题目太个人化（如"你简历上的XX项目"）→ 剥离简历细节，转为通用问题再分配
- 如果题目和已有题目高度重复 → 增强已有答案，不新增
输出分类结果表格供用户确认（如果题量大可直接执行）。
2. 检查已有内容
先读取 question-index.md（位于本 skill 目录下），快速判断新题是否与已有题目重复或高度相似，无需逐个扫描 11 篇 md 文件。仅在需要精确定位插入位置时才读取目标 md 文件。
对每篇目标文章：
- 检查是否已有相同或相似问题
- 找到插入位置（在"这类题的答题模式"段落之前）
3. 写答案并插入
每道题用标准格式：
## Q：{面试题（通用化后的表述）}
> 来源：{公司/岗位}
**新手答**："{浅层回答}"
**高手答**：
{深度回答，分层递进，带具体方案}
**差距在哪**：{分析差距，点出面试官考什么}
善用 Mermaid 流程图：当答案涉及多阶段流程、对比关系或架构拆分时，优先用 ```mermaid 流程图替代纯文本 ASCII 图。项目前端已支持 Mermaid 渲染，流程图比文字列表更直观。适合使用的场景：
- 多阶段管线（如 RAG 检索 → 精排 → 生成）
- 对比（如有/无某方案的效果对比）
- 架构分层（如 Agent 四层架构）
- 决策分支（如"什么场景用什么方案"）
不需要每道题都加图，只在图比文字更清晰时使用。
4. 修复引号
插入完成后，对所有修改过的文件运行：
python3 .claude/skills/chinese-quotes-fix/fix_quotes.py "learn-agent-interview/{目标目录}/index.md"
5. 更新题目索引
分发完成后，更新 question-index.md：
- 在对应维度下追加新增题目（保持编号连续）
- 更新统计表中的题数和总计
- 如果是增强已有题目（如追加追问），在索引中对应条目后标注追问信息
- 更新"最后更新"日期
6. 汇报
输出分发结果表格：
| 题目 | 分发到 |
|---|---|
| Q1: ... | 05-eval-and-vision (新增) |
| Q2: ... | 10-training-and-data (增强已有) |
注意事项
- 绝不新建面经实录文章（如 12-xxx/），所有题目分发到 01-11 的已有维度文章
- 个人化问题（"你用过XX吗""你简历上的XX"）必须转为通用问题
- 与已有题目重复时，增强已有答案而非新增
- 来源标注保留原始公司/岗位信息