面试项目分享｜企业级CodingAgent

前些天面试了一个大厂，他们的岗位需求和面试官一直在问的问题都是：如果有海量的 skill，应该如何高效管理和准确的选择？

一面二面发现面试官一直往这方向问，二面完我就赶紧做了一个 demo 出来。但是二面居然就给我挂了（悲）。我把自己的思路和项目分享出来，大家可以参考，互相交流一下，假如你刚好投了相关的岗位正好可以看一下。

我做了一个项目 Team-CC。

整个项目拆成三个部分：

企业 Agent 运行时（TeamSkill-ClaudeCode） 魔改了一下 Claude Code。员工启动后先走企业鉴权，身份和权限从后台下发，不依赖本地文件。每次调工具都走统一判定链路，可以放行、可以拦截、可以上报审计。权限模型是 deny > ask > allow，比较严格。

管理后台（teamcc-admin） 管员工身份、管权限模板、管项目授权、看审计日志。还有个 Neo4j 可视化页面看权限拓扑。

Skill 知识库（skill-graph） 把团队成员积累的 skill 做成可检索、可评价、可流转的知识库。底层用知识图谱存，支持 BM25 + 向量 + 图谱三种方式混合检索。demo 目前入库了 109 个 skill，加了图谱反馈后 Top1 准确率能做到 85% 左右。关键是反馈会持续回写图谱，越用越准。

有两个技术亮点：

1. 权限管理 原本 Claude Code 的权限是在本地可自定义的，没有鉴权和审计。不当的操作也不会有兜底，比如误操作，模型自己抽风乱搞。加上了强制的鉴权，可以细颗粒度地进行权限控制以及操作审计。比如一个实习生就不应该有 ssh 连生产服务器的权限，写前端的同事不能直接改后端的接口来适配自己的请求。在管理平台能够进行详细的权限控制以及日志调查，可以看到哪些人进行了高风险命令执行。

具体实现上，启动时先连管理后台拿身份和权限包，没通过鉴权就进不了完整运行态。每次执行命令前过一遍权限判定，deny 直接拦，ask 弹确认，allow 放行。所有操作都上报审计，后台能查到每一步。

2. Skill 沉淀体系 团队成员在日常工作中使用 Agent 积累的经验和技巧，会进入一个可持续检索、可持续评价、可持续流转的团队知识库。每个 skill 都有文档、有标签、有调用记录，底层用知识图谱做存储。

实现分三层：skill 文档统一归到目录，构建时生成索引和向量。员工使用后评价落库，算出每个 skill 在不同部门的权重。然后 skill、部门、场景的关系存到 Neo4j，检索时除了文本匹配还会查图谱加权重排，所以 Top1 能从 71% 提到 85%。

检索层支持三种方式混合：

加了图谱反馈后，Top1 准确率从 71.2% 提升到 85.2%。70 个 case 的检索结果被正向改写，没有出现回退。

这个体系的关键在于持续迭代。每次 skill 被调用、被评价、被使用，反馈数据都会回写到图谱中。前端团队用得多，前端相关的 skill 权重就会提升。它不是一本翻完了就放回去的书，而是一个越用越聪明的推荐系统。

Skill 体系自身也可以作为独立产品来卖。一种是直接卖已经沉淀好的通用 skill 库，企业买回去就能用，覆盖前端、后端、安全、设计、AI 等常见场景。另一种是为企业单独部署属于他们自己的 skill 库，基于内部项目和数据持续积累，慢慢长出贴合自身业务的知识资产。

项目地址：https://github.com/Mr-Q526/TeamCC-Platform

仅作个人理解分享，不一定对，欢迎大家交流。