1. 用户量显著增长时：你做的项目瓶颈在哪里、如何扩展？
  2. 平时用大模型做哪些任务？哪些擅长、哪些不擅长？为什么？
  3. 另一个项目的核心目标与整体架构是什么？
  4. 项目更偏“生成文档”还是“生成核心代码”？取舍是什么？
  5. 如果落地失败，你会如何复盘与调整方向/方案？
  6. 记忆模块怎么设计，如何让“技能/能力”更好发挥？
  7. 模型选型依据是什么（成本、能力、延迟、部署等）？
  8. 如何理解与治理幻觉？服务化落地会遇到哪些衍生问题？
  9. 项目能否本地运行？环境/依赖/可复现性怎么保证？
  10. RAG 的优缺点与适用边界。
  11. 多任务相关模型适合哪些业务场景？
  12. 常见 Agent 产品有哪些“通用特质”（模块/能力/交互等）？
  13. 发现模型执行失败时：从监控到定位到兜底的流程怎么做？
  14. 长期记忆设计要关注什么（触发、存储、检索、隐私/安全）？
  15. 从整体设计看长期记忆：会从哪些维度评估与做取舍？
  16. 长期记忆还有哪些可优化点（成本、命中、漂移、遗忘）？
  17. 你怎么看 Agent 领域发展趋势？
  18. 如果代码生成成本持续降低：工程师核心竞争力会怎么变化？
  19. 平时通过哪些渠道追踪 AI 技术动态？
  20. 最近让你印象深刻的 AI 应用是什么？亮点在哪里？
  21. 遇到新工具/新技术时，你如何判断它是否真的解决问题？