微信团队开源了 Tencent/WeKnora，MIT 协议，GitHub 星标已破 2.3 万。有消息把它描述为面向企业级 Agent 的「知识+记忆+工具+沙箱执行环境」底座，包含多模态进料、混合召回与 RRF 重排、GraphRAG 拓扑，以及每个会话独立的 Docker 或 E2B 沙箱。这些是素材明确提到的信息，实际性能与生产采用率并未核验。对求职者来说，值得关心的不是星标数，而是它暴露出的能力分层。

先分清两类团队：给人查文档，还是给 Agent 调用

同样是「企业知识库」，两类团队的活完全不同。一类把知识库当搜索框，消费方是人，产品形态接近文档问答，工程重心在切片、召回和界面。另一类把知识库当 Agent 的底座，消费方是 Agent，重心转向工具调用编排、记忆管理和执行隔离。

面试时可以问：这个知识库的主要消费方是谁？如果回答是「员工查资料」，偏前者；如果回答是「Agent 通过工具调用检索」，说明在往底座方向走。再追问一句：知识更新后，Agent 怎么知道该用新版本？这个问题能快速暴露团队有没有认真处理一致性问题。

简历上哪些经验更有区分度

素材描述的三层设计，对应三类可迁移能力：多模态文档处理（OCR、表格还原、父子分块）、混合召回与重排（向量+BM25、RRF、GraphRAG）、Agent 执行环境（工具调用、沙箱隔离、网络白名单）。

如果只写过「调过 RAG」，区分度有限。可以这样改写：把「搭了一个文档问答」换成「处理过 PDF 与表格混排的进料，用[实际记录]说明召回效果变化」。注意，成果必须是你实际完成的，没有数字就用占位符，不要编造。 延伸阅读：校招必看！Agent应用研发工程师简历模板：RAG系统优化+Prompt Engineering实战

假设场景：两位候选人都做过知识库。A 说「用了向量库和重排」；B 说「发现纯向量召回在编号类问题上失效，补了关键词召回并做融合，同时确认了权限过滤发生在检索前还是后」。B 展示的是判断过程，不是工具清单。

面试时怎么核查团队做的是真底座

「大厂开源」不等于团队在做底座。可以用几个具体问题核查：知识更新机制是什么，是全量重建还是增量？权限隔离做在哪一层，检索前还是生成后？沙箱是否真实存在，还是只是 prompt 里写了「不要执行危险操作」？

素材提到 Auto-Wiki、Wiki Fixer Agent、待审池和沙箱网络白名单等机制，这些可以作为提问的参照，但不要假定你面试的团队一定实现了。如果对方答不上来，说明这个方向可能只是包装概念。

一个实际可做的小建议：挑一个你手头的文档集，试着回答「如果消费方是 Agent 而不是人，我的检索接口要改什么」。把答案写下来，面试时它比任何工具名都有说服力。