# 1. AGENTS.md / CLAUDE.md 团队规范中如何定义角色（架构师/实现/审查者）、约束（不允许的库/模式）、工作流（提交前/合并前 AI 行为） A 规范应定义角色、约束（禁止库/模式）与工作流（提交前/合并前 AI 行为） ✓ 正确答案 B 规范只需写代码风格，无需角色与约束 C 约束会限制 AI 能力，应避免 D 工作流仅涉及人工，与 AI 无关
# 2. "AI Hooks"（Claude Code Hooks / Pre-commit AI Gate）的工程实现中自动 lint、自动测试、Spec 验证的 AI 门禁 A 门禁只需 lint，无需测试与 Spec 验证 B AI Hooks 只在人工提交时生效 C 在 AI 提交/合并前自动执行 lint、测试、Spec 验证，失败则拦截并让 AI 修复 ✓ 正确答案 D 检查失败也可继续提交，靠后续修复
# 3. 团队 AI 规范的版本管理中 AGENTS.md / CLAUDE.md 的变更如何走评审与灰度（先试点团队再全量），避免规范被 AI 与开发者同时无视？ A 规范变更应走评审与灰度，并纳入门禁强制生效，防止被无视 ✓ 正确答案 B 规范变更可直接全量，无需评审与灰度 C 规范是文档，无需版本管理 D 规范强制生效会阻碍 AI 使用
# 4. MCP（Model Context Protocol）服务治理中 MCP server 的准入、权限收敛、审计与版本管理如何纳入团队 AI 平台？ A 权限应尽量大，便于 AI 执行任务 B MCP server 无需准入，可直接接入 C MCP server 应通过准入审批、权限收敛、审计留痕与版本管理纳入治理 ✓ 正确答案 D MCP 调用无需审计
# 5. Agent Skills 与 AGENTS.md 的标准化中 SKILL.md 结构（YAML frontmatter 与渐进披露）、AGENTS.md 推荐章节（构建/测试命令、代码风格、提交规则）如何作为团队规范落地？ A 渐进披露会暴露全部信息，导致上下文过载 B 规范应写成长篇自然语言，无需结构 C SKILL.md 用 frontmatter 与渐进披露结构化，AGENTS.md 分章节（构建/测试、风格、提交规则）供 AI 按需执行 ✓ 正确答案 D AGENTS.md 无需包含构建与测试命令
# 6. 私有 AI 模型 vs 公共 API 中代码补全（Tabby/Codestral/Code Llama）vs 全栈 Agent（私有 Claude/GPT）的成本与隐私边界 A 私有模型隐私好但成本高、能力弱，公共 API 能力强但数据外发有隐私风险，应按场景分层选择 ✓ 正确答案 B 公共 API 一定能满足所有隐私要求 C 私有模型能力一定强于公共 API D 代码补全与全栈 Agent 完全等价，无部署差异
# 7. "AI 责任归属"的工程化中每个 AI 生成的 PR 必须有 "AI-Assisted by" 标记与"Reviewed by" 人类 owner A 人类 owner 无需对 AI 变更负责 B AI 生成的代码无需标记来源 C 责任应全部由 AI 承担 D 每个 AI 生成 PR 应带"AI-Assisted by"标记与"Reviewed by"人类 owner，纳入模板与门禁 ✓ 正确答案
# 8. AI 协作平台（统一模型网关/共享 Skills/合规审计）如何建设？ A AI 协作平台只需模型网关即可 B 平台应包含统一模型网关、共享 Skills、合规审计等组件，实现可管、可复用、可审计 ✓ 正确答案 C 共享 Skills 会导致重复建设，应避免 D 合规审计与 AI 平台无关
# 9. 团队 AI 协作规范中工具、边界与责任？ A 规范应覆盖工具（允许哪些）、边界（可/不可用场景）、责任（谁负责）三方面 ✓ 正确答案 B 规范只需规定工具，无需边界与责任 C 边界规范会限制 AI，应尽量宽松 D 责任应全部由 AI 承担
# 10. 团队 AI 平台的架构中模型网关与权限？ A 权限应尽量放大，便于 AI 工作 B 每个开发者应直接访问任意模型，无需网关 C 平台以模型网关为统一入口，权限按角色/项目最小化分配并配合审计 ✓ 正确答案 D 模型网关只负责路由，不管权限
# 11. AI 协作平台的数据合规中代码与上下文数据进入外部模型的风险评估、脱敏策略与本地化部署的决策框架如何建立？ A 应通过风险评估、脱敏策略与本地化部署决策框架，按敏感度分级管控数据 ✓ 正确答案 B 所有数据都可放心发给外部模型 C 脱敏会降低 AI 能力，应避免 D 数据合规与平台建设无关
# 12. AI 编码 Agent 的最小权限中文件系统、网络与命令执行的权限如何按任务最小化，沙箱与人工审批策略如何设计？ A 应给 Agent 做任何事的权限，以提高效率 B 应限制文件/网络/命令权限到任务所需最小，并用沙箱隔离与人工审批守护高风险操作 ✓ 正确答案 C 沙箱会妨碍 Agent 完成任务 D 高风险操作无需人工审批
# 13. 外部内容引发的提示注入中来自 issue、网页、依赖文档的恶意指令如何影响 Agent 行为，团队如何建立防护与缓解？ A 外部内容可完全信任，无需处理 B 应把可信指令与不可信内容分离，对外部内容隔离消毒，并对高风险操作设人工审批 ✓ 正确答案 C 提示注入只影响生成文本，不影响 Agent 行为 D 读取 issue 内容对 Agent 无风险
# 14. OWASP Agentic AI 与 MCP 安全清单中工具投毒、影子 MCP server、上下文过度共享等风险如何转化为工程门禁与测试用例？ A 工具投毒、影子 MCP server、上下文过度共享等风险应转化为准入门禁与安全测试用例 ✓ 正确答案 B 这些风险只是理论，无需防护 C 影子 MCP server 指所有 MCP server，都应禁止 D 上下文过度共享无安全影响
# 15. 多 Agent 协作规范中主 Agent 与子 Agent 的分工、产物交接、冲突处理与进度可见性如何治理？ A 应明确主/子 Agent 分工、产物交接格式、冲突处理机制与进度可见性 ✓ 正确答案 B 多 Agent 无需分工，各自为政即可 C 冲突处理靠 Agent 自行协商，无需规范 D 进度可见性会降低效率，应隐藏
# 16. AI Agent 的可观测性中 Agent 的思考、动作与工具调用日志如何留痕与审计，保证每次代码修改可追溯？ A Agent 是黑箱，无需观测 B 应记录思考、动作、工具调用日志，让每次代码修改可溯源与审计 ✓ 正确答案 C 工具调用日志无法反映 Agent 行为 D 代码修改无法与 Agent 动作关联
# 17. AI 时代"代码所有权"（Code Ownership）的演化中从个人到 Agent + 人类的联合所有权 A 人类无需对 AI 生成的代码负责 B AI 应独立拥有代码并承担全部责任 C 所有权从个人负责演化为"Agent 生成 + 人类负责"的联合所有权 ✓ 正确答案 D 代码所有权与 AI 参与无关
# 18. AI 使用率与代码质量的团队度量看板如何设计，避免指标被刷？ A 看板只展示使用率即可 B 看板应联合呈现使用率与质量，并通过口径统一、多指标联动、激励脱钩防刷 ✓ 正确答案 C 指标口径可由团队自行调整 D 指标与激励挂钩越紧越能保证质量
# 19. AI 平台的治理中模型、Prompt 与数据？ A 只需治理模型，无需治理 Prompt 与数据 B 治理应覆盖模型（准入/版本）、Prompt（模板/安全）、数据（脱敏/合规）三个维度 ✓ 正确答案 C Prompt 无需版本管理 D 数据治理与平台安全无关
# 20. AI 协作的合规中隐私、许可与审计？ A 审计留痕是多余的 B AI 生成代码无需许可审查 C 数据外发无隐私风险 D 合规应覆盖隐私（数据脱敏）、许可（AI 代码版权/依赖）、审计（使用留痕）三方面 ✓ 正确答案
# 21. 团队 AI 能力的建设中培训与共享？ A 共享经验会降低个人竞争力，应避免 B AI 能力只需个人自学，无需团队建设 C 应通过分层培训提升 AI 素养，并通过共享 Skills、最佳实践库沉淀团队能力 ✓ 正确答案 D 培训与团队能力无关
# 22. AI 协作的反馈中使用度量与改进？ A 反馈机制是"度量—分析—改进—复测"闭环，用度量驱动迭代并收集开发者反馈 ✓ 正确答案 B 度量只是记录，无需驱动改进 C 反馈只关注使用率，不关注质量 D 改进后无需复测验证
