我开源了一个 DevOps 面试智能体：200 道题 + 能当面试官、跨 Claude/Codex/WorkBuddy 跑

一份 200+ 题的标准化运维题库，一个能在 Claude Code、Codex、WorkBuddy 和任何 LLM 里当真实面试官的 AI Agent。MIT 开源，可自由使用、贡献和扩展。

我用 WorkBuddy 创建了一个专家「运维面试教练」——模拟 Linux、K8s、SRE、GPU 运维岗位面试，逐题实时打分，输出记分卡与录用建议。点击 https://www.workbuddy.cn/work/launch/?sharecode=7faGZZtJeh2PFMQH_gQGDwbSDhwTaaHSxPLTRBoLPMtqNkVpC3k1TF_YShJttmSz&expertname=%E8%BF%90%E7%BB%B4%E9%9D%A2%E8%AF%95%E6%95%99%E7%BB%83&buddy_type=workbuddy 一键复制使用，快来试试吧！

负责上面对话到 workbuddy 即可出现：

为什么要做这个

今年我在准备高级运维面试，发现一个问题：

市面上的运维面试题很多，但绝大多数是「问题 + 一句话答案」。比如问「K8s 网络怎么实现」，答案常是一句「Service 通过 kube-proxy 转发」——这回答放到高级面试里撑不过 30 秒。

真正的面试官在意的是：

• 你能不能把概念边界讲清楚（CRI / CNI / CSI 分别对接谁？为什么 K8s 需要这三层抽象？）
• 你有没有排障方法论（Pod 一直 Pending，你从哪入手？不是猜，是有章法地逐层排除）
• 你会不会做 trade-off 判断（自建 vs 托管？iptables vs ipvs？VXLAN vs BGP？）

而且更深层的痛点是：没有 AI 面试官能真的用这些题来模拟面试。你只能一个人对着屏幕背答案，没有反馈、没有打分、没有记分卡。

所以我在想：能不能做一套东西，既是标准化题库，本身又是一个可运行的智能体——你把它丢给 Claude、Codex、WorkBuddy，它就能当面试官，逐题问你、给你打分、最后出一张记分卡？

这就是 DevOps-Engineer-Interview-Agent。

GitHub：https://github.com/dongdonglog/DevOps-Engineer-Interview-Agent

这个项目里有什么

1. 知识库：200+ 道标准化面试题 + 深度基础篇

题目按 10 大模块组织，每题都有统一的标准化模板：

### Qxx. 题目
- 难度：🔴 高级
- 关键词：kubernetes, CRI, 容器运行时
- 概念速记：CRI 是 kubelet 与容器运行时之间的 gRPC 接口
- 问题：kubelet 如何通过 CRI 管理容器？为什么需要这一层抽象？
- 参考答案：
  - 要点 1（含 trade-off / 实战）
  - 要点 2
- 易错点 / 面试官关注：……
- 延伸：Q48、basics/04-kubernetes-concepts.md

这个模板是参考了 bregman-arie/devops-exercises（8.6k★）、trimstray/test-your-sysadmin-skills（7.2k★）、NotHarshhaa/DevOps-Interview-Questions（1100+ 题）等社区标杆项目的结构后设计的。每题都要求给出「概念速记」——一句话把关键词讲清，这是面试前的最高效记忆方式。

10 大模块，按难度分级（🟢 初级 / 🟡 中级 / 🔴 高级 / ⚫ 资深）：

另外，basics/ 目录里有 6 篇深度基础篇，把高频但容易被问倒的概念从头讲透——每个都用「一句话速记 → 原理 → 对比表 → 常见误区」的结构：

• Linux 基础（load、OOM、零拷贝、epoll、cgroup v1/v2）
• 网络与 OSI 七层（逐层拆解 + 排障映射）
• Docker 与 Dockerfile（分层原理、12 条核心指令、多阶段构建）
• Kubernetes 接口（CRI / CNI / CSI，三者的定义、对接对象、典型实现、速记口诀）
• Ansible 基础（幂等性、变量优先级、与 Terraform 的边界）
• AI / GPU 基础（CUDA/显存/SM、MIG/MPS/Time-Slicing、K8s Device Plugin、DCGM 监控、vLLM）

2. 智能体：能当面试官，跨 Claude / Codex / WorkBuddy 跑

这是这个项目区别于普通「题库集合」的核心差异。

我们不是只给你一份 PDF 让你背，而是给你一个能当面试官的 AI。它内置了三层架构：

第一层：知识底座（basics/ + modules/） 智能体直接读取仓库里的 200+ 题和深度基础篇，出题时按模块和难度实时抽取。不会背诵固定题库，而是根据你的级别动态调整。

第二层：面试引擎（角色定义 + 流程 + 评分 + 记分卡） 系统提示词定义了完整的面试工作流：

1. 确认角色 / 级别 / 重点 / 时长 / 行业背景
2. 选模块并告知考察安排
3. 逐题面试：一次只问一题 → 等待回答 → 卡壳给 hint（不给答案）→ 答后先问「还有什么补充」→ 再给结构化反馈
4. 根据表现动态调整难度
5. 结束输出完整记分卡

第三层：跨工具可移植 不绑定任何单一工具，仓库里提供了三种格式的系统提示词：

真实交互示例：

👉 你: 考我一道 Kubernetes 网络面试题（CNI/CRI/CSI）

🤖 考官: 【🟡 中级 | kubernetes】
请把 K8s 的 CRI、CNI、CSI 分别解释清楚——它们各对接谁、解决什么问题、典型实现有哪些？

👨‍💻 候选: CRI 是 kubelet 和容器运行时之间的接口，对接 containerd 和 CRI-O...

🤖 考官: 还有什么补充吗？

👨‍💻 候选: 没有了。

🤖 考官:
✅ 做对之处：CRI 定义和对接对象准确，举了 containerd/CRI-O。
⚠️ 待改进：CNI 和 CSI 没有展开；Docker 通过 dockershim 的历史变迁可补充。
💡 理想答案要点：CRI→运行时（containerd/CRI-O），CNI→网络 IP/路由（Calico/Cilium），CSI→存储卷（Ceph CSI/EBS CSI）；dockershim 1.24 起移除。
📊 评分：5/10（答对了 CRI 的核心，但 CNI/CSI 缺失）

下一题？harder / easier / switch / end

会话中可用指令：skip 跳过、hint 提示、explain 详解、score 记分卡、harder/easier 调难度、switch [模块] 切换模块、end 结束出录用于裁决。

怎么用：3 分钟上手

# 克隆仓库
git clone https://github.com/dongdonglog/DevOps-Engineer-Interview-Agent.git
cd DevOps-Engineer-Interview-Agent

# 方式一：Claude Code（零配置）
claude    # CLAUDE.md 自动加载，直接说「模拟一场高级运维面试」

# 方式二：Codex
codex     # AGENTS.md 自动加载

# 方式三：任意 LLM
cat agent/UNIVERSAL.md    # 复制内容粘贴为 System Prompt

# 方式四：WorkBuddy
cp -r workbuddy/ops-interview-coach ~/.workbuddy/plugins/.../
# 运行 register_expert.py   # 注册后专家中心可见

技术设计理念

分享几个项目搭建过程中的设计决策，对想做开源 AI 项目的同学可能有参考价值：

知识库 = 单一事实来源

智能体的三种格式（CLAUDE.md / AGENTS.md / UNIVERSAL.md）不内嵌题目，而是告诉模型：「去读 basics/ 和 modules/ 找答案」。这样题库和 Agent 的提示词可以独立维护，不会出现「改了一道题要同时改三个 prompt 文件」的局面。

WorkBuddy 插件为了离线自包含，内置了一份 80 题浓缩版（skills/ops-interview/references/questions.md），但与知识库的口径保持一致。

标准化模板降低贡献门槛

每道题 7 个字段（难度、关键词、概念速记、问题、参考答案、易错点、延伸），新人提交 PR 时不需要纠结格式。这参考了 NotHarshhaa/DevOps-Interview-Questions 的难度分级和 CS-Notes 的排版规范。

「概念速记」是最高效的记忆法

面试不是背答案，而是在高压下快速调取概念框架。「概念速记」就是帮你做到这点——把 CRI/CNI/CSI 三者的区别压缩成一句「CRI 管跑、CNI 管连、CSI 管存」，再用一张对比表展开。这套做法来自「先给结论，再讲原理」的教学理念。

社区与 Roadmap

项目 MIT 开源，欢迎 PR 和 Issue。你可以贡献的方向：

• 新增 / 修正题目：按 STANDARD.md 格式在对应模块提交
• 补充基础篇：basics/ 目前 6 篇，欢迎更多深度概念（如 eBPF、Service Mesh、FinOps 等）
• 多语言：英文版、日文版翻译
• 配套速查表和架构图：cheat-sheets/、assets/
• 改进智能体提示词：优化评分逻辑、增加更多会话指令

写在最后

做这个项目最大的感受是：AI 时代的学习方式应该从「背答案」升级到「和一个真的懂这套东西的 AI 对话」。与其对着 PDF 自言自语，不如让一个内置了 200 道题和深度概念库的 Agent 来当你的面试官——它不会累、不敷衍、不会因为面太多人就降低标准。

如果你也在准备运维 / SRE / DevOps 面试，或者你想基于这套题库给团队做技术评估，欢迎 Star / Fork / PR。

GitHub：https://github.com/dongdonglog/DevOps-Engineer-Interview-Agent