Claude Code 面试题

Claude_Code
5.9k 词

公开资料里更常见的是两类：一类是“AI 编程工具 / Agent 编程工具”的开放性面试题，另一类是围绕 Claude Code 官方能力、Agent Loop、权限、安全、MCP、Skills、Subagent 等机制的技术拆解。
(cnblogs.com) Anthropic 官方则把 Claude Code 定义为能读取代码库、跨文件修改、运行测试、提交代码的 agentic coding system。(Anthropic)

1. 你用过 Claude Code 吗？和 Cursor、网页 Claude、Copilot 有什么区别？

答题方向：

Claude Code 不是简单的代码补全工具，而是项目级 coding agent。Copilot 偏向 IDE 内补全，网页 Claude 偏向问答和代码片段生成，Cursor 更像 AI IDE，而 Claude Code 的核心特点是进入真实代码库，理解上下文，跨文件修改，运行命令，跑测试，再根据反馈迭代。Anthropic 官方也强调，Claude Code 和普通 completion tool 的区别在于：它会读取完整代码库、规划多文件改动、执行、运行测试并迭代失败结果。(Anthropic)

可以这样说：

我理解 Claude Code 的定位不是“帮我写一段代码”，而是“把一个开发任务交给 agent 去执行”。它的价值在于代码库级上下文、多文件修改、工具调用、测试反馈和安全权限控制。

2. Claude Code 的底层架构你怎么理解？

核心公式：

1
Claude Code = LLM + Agent Loop + Tool System + Context Management + Permission Control

答题方向：

Claude Code 的核心不是模型本身，而是把 LLM 包装成一个可执行系统。它通常包含：

1
2
3
4
5
6
7
8
用户目标
→ 上下文收集
→ 任务规划
→ 工具调用
→ 观察结果
→ 修改方案
→ 执行验证
→ 继续迭代

社区拆解中也经常把 Claude Code 总结成 LLM + Tool System + Task Graph + Agent Loop 这种结构。(腾讯云)

面试中可以说：

Claude Code 的本质是一个工程化 Agent Runtime。LLM 负责推理和决策，Tool System 负责真实执行，Context System 负责给模型提供项目上下文，Permission System 负责限制高风险操作。

3. 什么是 Agent Loop？Claude Code 为什么需要 Agent Loop？

标准回答：

Agent Loop 是 AI Agent 的主循环，基本形式是：

1
Think → Act → Observe → Reflect → Continue

在代码场景中就是：

1
2
3
4
5
6
7
8
分析需求
→ 读取文件
→ 生成修改方案
→ 调用编辑工具
→ 运行测试
→ 读取报错
→ 再次修改
→ 直到任务完成

Claude Code 的“agentic”含义就是系统不只是回答一次 prompt，而是朝着目标自主执行一系列动作。Anthropic 对 agentic system 的解释是：系统会读取代码库、规划行动、使用真实开发工具执行、评估结果并调整方法。(Anthropic)

4. Claude Code 的 Tool System 有什么作用？

答题方向：

LLM 本身不能真正改文件、跑命令、查 git、执行测试。它必须通过工具系统来操作外部世界。

典型工具包括：

1
2
3
4
5
6
7
8
Read File
Write / Edit File
Search / Grep
Bash
Git
Test Runner
MCP Tool
Web / Issue Tracker / CI Tool

Claude Code 可以通过 MCP 接入外部系统，例如 issue tracker、Sentry、数据库、Figma、Slack、Gmail 等，让 Claude 不再依赖用户手动复制信息，而是直接读取和操作外部工具。(Claude API Docs)

面试可以这样说：

Tool System 是 Agent 从“语言模型”变成“工程执行器”的关键。LLM 负责决定调用什么工具，工具负责执行真实动作，Observation 再反馈给模型进入下一轮决策。

5. Claude Code 如何做权限控制？为什么权限控制很重要？

高频，大厂很爱问。

Claude Code 默认采用较谨慎的权限模型。官方文档说明，Claude Code 支持细粒度权限规则，可以控制 agent 能访问什么、能执行什么；读文件通常不需要审批，但 bash 命令和文件修改需要审批。(Claude)

权限模式包括：

1
2
3
4
5
6
default：标准模式，敏感操作前询问
acceptEdits：自动接受部分文件编辑
plan：只分析不修改
auto：自动判断安全操作
dontAsk：除预批准外自动拒绝
bypassPermissions：跳过大部分权限提示，仅适合隔离环境

官方也明确提示，bypassPermissions 只能在容器或虚拟机这类隔离环境里使用。(Claude)

面试回答重点：

AI coding agent 最大风险不是写错代码，而是它能执行真实命令。所以权限系统要做到最小权限、敏感命令确认、危险路径限制、生产环境隔离、日志审计和人工 review。

6. Claude Code 如何防止误删文件、误操作生产环境？

答题方向：

要从三层讲：

1
2
3
4
5
6
7
8
第一层：权限层
危险命令需要确认，敏感工具默认拒绝或 ask。

第二层：环境层
在 sandbox、container、VM、staging 环境运行，不给生产权限。

第三层：流程层
所有改动走 git diff、测试、CI、code review，不允许 agent 直接操作生产。

Claude Code 官方安全文档提到，它默认是严格只读权限；需要编辑文件、运行测试、执行命令时会请求显式权限，用户负责 review 提议的代码和命令。(Claude)

7. Prompt Injection 在 Claude Code 场景下为什么更危险？

答题方向：

普通聊天里的 prompt injection 可能只是让模型回答错误；但 coding agent 接了文件系统、shell、数据库、MCP 后，prompt injection 可能诱导 agent 执行危险操作。

官方安全文档提到 Claude Code 会通过权限系统、上下文感知分析、输入清洗和命令 blocklist 来缓解 prompt injection，例如默认阻止一些从网络拉取任意内容的高风险命令。(Claude)

可以这样答：

Agent 接入工具越多，prompt injection 的攻击面越大。防护不能只靠模型“听话”，还要靠工具权限、沙箱、命令白名单、敏感数据隔离和人工审批。

8. CLAUDE.md 是什么？为什么大项目里很重要？

答题方向：

CLAUDE.md 可以理解为项目级长期上下文和工程规范文件。它可以写：

1
2
3
4
5
6
7
8
项目架构说明
编码规范
测试命令
禁止修改的目录
常见坑
PR 规范
部署流程
面试项目讲解逻辑

官方最佳实践文档说明，~/.claude/CLAUDE.md 可以作用于所有 session，项目根目录的 ./CLAUDE.md 可以提交到 git 中给团队共享，CLAUDE.local.md 可作为个人项目笔记并加入 .gitignore。(Claude)

面试回答：

CLAUDE.md 的价值是把隐性团队规范显式化，让 agent 每次进入项目时都能获得稳定上下文，减少随机发挥和风格漂移。

9. Claude Code 的 Skills 是什么？和普通 Prompt 有什么区别？

答题方向：

Skills 是把重复使用的流程、检查清单、操作规范沉淀成可复用能力。官方文档说明，Skills 可以通过 SKILL.md 定义，Claude 会在相关场景调用；当你反复复制同一套指令、checklist 或多步骤流程时，就适合做成 skill。(Claude API Docs)

例如：

1
2
3
4
5
6
code-review skill
security-audit skill
api-generator skill
bug-diagnosis skill
release-check skill
interview-summary skill

JavaGuide 的 AI 编程面试文章也提到 Skills 可以理解为把“能力”做成可复用、可调用、可组合的模块，并举了 code-review、security-audit 等例子。(cnblogs.com)

10. Subagent 是什么？什么时候需要多 Agent？

答题方向：

Subagent 是针对特定任务的专门 agent，比如：

1
2
3
4
5
6
Planner Agent：拆任务
Coder Agent：写代码
Reviewer Agent：审查代码
Tester Agent：补测试
Security Agent：查安全风险
Doc Agent：写文档

Claude Code 官方文档说明，可以创建自定义 subagent，并配置 prompt、工具限制、权限模式、hooks 和 skills；subagent 可以用于代码审查、复杂研究、多步骤操作等。(Claude API Docs)

面试可以这样答：

单 Agent 容易上下文混杂，多 Agent 的价值是职责隔离。复杂工程任务可以拆成 planner、coder、reviewer、tester，让每个 agent 只关注一个目标，降低上下文污染和错误传播。

11. MCP 是什么？Claude Code 为什么需要 MCP？

答题方向：

MCP，全称 Model Context Protocol，可以理解为 AI 工具接入外部系统的协议。Claude Code 通过 MCP 接入数据库、监控平台、issue 系统、设计工具、Slack 等。

官方文档举例：Claude Code 可以通过 MCP 根据 JIRA issue 实现功能、查看 Sentry/Statsig 数据、查询 PostgreSQL、根据 Figma 更新邮件模板，甚至自动创建 Gmail 草稿。(Claude API Docs)

面试回答：

MCP 解决的是“模型如何安全、标准化地连接外部工具”的问题。没有 MCP，用户需要复制粘贴上下文；有了 MCP，agent 可以直接读取和操作真实系统。

12. Claude Code 怎么接入 CI/CD 或 GitHub Actions？

答题方向：

Claude Code 可以接入 GitHub Actions，用于 issue 响应、PR 创建、代码修改、CI 修复等。官方文档说明 Claude GitHub app 需要 repository 的 Contents、Issues、Pull requests 的读写权限。(Claude API Docs)

企业环境下也可以通过 Amazon Bedrock 或 Google Vertex AI 使用 Claude Code GitHub Actions，以便控制数据驻留和计费。(Claude API Docs)

面试回答：

在企业里不能让 agent 直接无约束提交代码。更合理的方式是让它基于 issue 创建 PR，跑 CI，附带测试结果和变更说明，最后由人 review 后 merge。

二、场景题：大厂更喜欢这样问

题 1：你让 Claude Code 修改一个支付模块，它给出一个看似正确的方案，你怎么保证不会出事故？

回答框架：

1
2
3
4
5
6
7
8
1. 先进入 plan mode，只允许分析，不允许修改。
2. 要求它输出影响范围：接口、数据库、日志、幂等、事务、回滚。
3. 只允许在 feature branch 修改。
4. 查看 git diff。
5. 补单元测试、集成测试、边界测试。
6. 跑 CI。
7. 人工 review 关键逻辑。
8. 灰度发布，保留 rollback。

题 2：Claude Code 生成的代码能不能直接上线？

标准回答：

不能。Claude Code 可以提升开发效率，但不能替代工程质量控制。AI 生成代码必须经过：

1
2
3
4
5
6
7
8
人工 Review
测试验证
静态扫描
安全检查
性能评估
CI/CD
灰度发布
线上监控

JavaGuide 的面试文章也强调，AI 生成代码之后必须人工 Review，关键逻辑必要时自己重写，核心路径必须做压测和边界测试。(cnblogs.com)

题 3：AI Coding Agent 会不会淘汰初级程序员？

建议回答：

不会简单淘汰，但会改变初级程序员的能力要求。以前初级程序员的价值是“按需求写代码”，以后更重要的是：

1
2
3
4
5
6
7
理解需求
拆解任务
设计模块边界
验证 AI 输出
写测试
定位问题
维护工程规范

可以说：

AI 会降低写代码的门槛，但会提高工程判断的门槛。不会用 AI 的初级程序员会被替代，会用 AI 但不懂工程的人也不稳定，真正有竞争力的是能驾驭 agent 的工程师。

题 4：如果 Claude Code 卡在一个 bug 上反复修改，怎么办？

回答方向：

1
2
3
4
5
6
7
1. 停止让它盲目继续。
2. 要求它总结当前假设、已尝试方案、失败原因。
3. 缩小复现 case。
4. 单独跑最小测试。
5. 查看最近 diff，回滚无效修改。
6. 让它换策略：从日志、调用链、数据输入、依赖版本分别排查。
7. 必要时人工接管核心判断。

题 5：如何评价 Claude Code 对团队研发流程的影响？

回答方向：

可以从三点讲：

1
2
3
4
5
6
7
8
效率提升：
读代码、修 bug、补测试、写文档、迁移代码更快。

角色变化：
工程师从手写代码转向架构设计、任务拆解、review 和 orchestration。

风险增加：
权限误用、上下文污染、错误提交、prompt injection、过度依赖。

Anthropic 官方产品页也提到，工程师会更关注架构、产品思考和持续编排多个 agent，而不是只写每一行代码。(Anthropic)

三、进阶八股：如果面试官往底层挖

1. Claude Code 和 ReAct 有什么关系？

Claude Code 的主循环可以类比 ReAct：

1
Reasoning → Action → Observation

但工程上多了：

1
2
3
4
5
6
7
8
权限系统
上下文压缩
工具 schema
错误恢复
任务状态
文件系统记忆
CI 验证
人工审批

2. 为什么不能把所有上下文都塞进 Prompt？

因为会导致：

1
2
3
4
5
token 成本高
噪声变多
注意力分散
旧信息误导模型
上下文污染

更好的方式是：

1
2
3
4
5
长期规则放 CLAUDE.md
流程能力放 Skills
任务状态放 progress / TODO
代码上下文按需检索
历史会话定期 compact

3. Claude Code 的核心风险有哪些？

可以按这个顺序答：

1
2
3
4
5
6
7
1. 幻觉：生成不存在的 API 或错误逻辑。
2. 权限风险：执行危险命令。
3. 上下文污染：被旧代码或错误文档误导。
4. Prompt Injection：外部文件诱导 agent 忽略规则。
5. 供应链风险：引入恶意依赖。
6. 数据泄露：读取或上传敏感文件。
7. 过度自动化：人类失去 review 能力。

官方安全文档也明确说，Claude Code 只拥有用户授予的权限，用户需要负责审查代码和命令安全。(Claude)