windows端C++开发前景如何？

一、自我介绍 / 岗位匹配 / 方向选择1.请做一下自我介绍。2.你之前主要投的是后台岗位，为什么后来转向客户端？3.你说自己和后台岗位匹配度不高，主要差在哪些方面？4.你对移动客户端开发岗位是怎么理解的？5.你为什么会考虑客户端 / SDK / AI 应用这些方向？二、实习项目整体理解：端侧特征平台做什么6.你在字节这段实习主要做了什么？7.你们这个 SDK 的定位是什么？是跨端的吗？8.你们这套东西更像 APM、数据采集，还是特征处理平台？9.你对这套业务在线上产品里的完整流程理解到什么程度？10.原始事件是怎么转成特征，并最终被业务方使用的？三、本地数据库 / SQL / 特征查询链路11.你们端上的数据是怎么存的？为什么用本地数据库？12.这个数据库用的是什么？它是普通数据库，还是有针对性能做特殊设计？13.你看到过哪些查询 / SQL 优化相关的内容？14.你做的 SQL 复用优化，本质上是在优化什么问题？四、设备特征缓存优化：设计、指标、并发问题15.你讲一下设备特征缓存优化这个需求的背景和方案。16.为什么会想到做 2s / 10s / 90s 这样的分层缓存？这些数值是怎么定的？17.你这个缓存是怎么检查过期、怎么更新的？18.这套缓存是你们第一次上线的吗？19.最终的优化收益是怎么测出来的？30%、Android 4.8%、iOS 2.5% 分别代表什么？20.你这里用到的智能指针和 concurrent hash map，线程安全和内存安全是怎么理解的？21.如果缓存瞬间失效，又来了很多并发请求，会不会出现类似缓存击穿的问题？你怎么处理？22.如果让你继续优化这套缓存，你觉得还能怎么做？五、特征 SQL 结果缓存 / 事件驱动失效 / TTL23.你说的特征 SQL 复用具体是怎么做的？24.所谓 SQL 签名化是什么意思，为什么要这么做？25.这个查询结果缓存的 key 和 value 分别是什么？26.查询结果缓存怎么判断是否还能复用？27.事件驱动失效机制具体是什么？为什么事件变了缓存就会失效？28.你这里有两个 TTL：设备特征缓存 TTL 和特征查询缓存 TTL，它们分别是怎么设计的？29.后期你提到不是直接删缓存，而是把最新结果插入缓存，这个思路具体是什么？30.这里有没有用队列或者别的方式维护事件变更？六、实习中的挑战 / 自动化测试 / MCP & Agent 生成用例31.这段实习里你遇到过最大的挑战是什么？32.这个需求是你一个人做的吗，还是 mentor 带着推进的？33.你提到自动化测试用例，这块具体做了什么？34.这些测试用例属于什么级别，是接口测试、单元测试，还是别的？35.你做的 MCP / Agent 自动补全测试用例，大致思路是什么？36.如果测试失败了，你们后续有没有自动分析、自动修复，还是主要人工处理？七、AI Coding：工具使用、代码占比、主要问题37.你现在 AI 用得多吗？平时会付费用哪些工具？38.你在项目里手写代码和 AI 生成代码的比例大概是多少？39.你主要用什么 AI coding 工具？40.你觉得 AI 写代码最大的优点和最大的问题分别是什么？41.如果 AI 生成的代码不符合你的预期，你一般怎么改进？八、多 Agent 项目：设计、评估、稳定性42.你这个 AI 投资分析系统整体是怎么设计的？43.多 Agent 的分工和整体执行流程是什么？44.你是一步步确认它生成的内容，还是一次性让它完成？45.你怎么判断一个 Agent 是否满足你的预期？46.Agent 和 Agent 之间通信的数据格式是谁定义的？47.多次运行的时候，Agent 之间输出的格式和结果能保持一致吗？48.如果模型不按你定义的格式输出，你会怎么优化？49.你这里 prompt、rule、skill 分别用在什么地方？九、上下文窗口 / 滑动窗口 / 记忆管理50.你高并发 AI 聊天系统里提到的“滑动窗口”具体是怎么做的？51.为什么要做这个滑动窗口？它解决了什么问题？52.这个窗口的 size、起点和终点是怎么定的？53.你怎么判断哪些上下文该保留，哪些该裁掉？54.你这个设计是不是严格来说不算真正的滑动窗口？55.如果让你重新设计这块上下文管理，你会怎么优化？十、C++ / 网络库 / 并发框架56.你这个高并发 AI 聊天系统里的网络库，是自己写的还是现成的？57.你给我讲一下这个网络框架的整体设计。58.epoll 在这里起到了什么作用？59.你的线程池是怎么设计的，为什么要动态扩容 / 缩容？60.你的网络库里，最核心的几个组件和职责分别是什么？十一、弱网排查 / 网络链路 / 协议优化61.如果用户反馈“很卡”，你怎么判断到底是不是弱网问题？62.如果线上只能看到网络日志，你会重点看哪些指标来排查？63.从输入网址到页面加载完成，整个网络链路里会经过哪些步骤？64.DNS、TCP 建连、资源下载这些环节分别可能出什么问题？65.如果 DNS 慢或者查不到，有什么优化思路？66.如果服务端响应慢或者 TCP 层有问题，你会怎么排查？67.对于弱网场景，有没有一些客户端侧的兜底优化手段？68.你了解哪些协议层面的优化，比如多路复用、QUIC 之类的吗？算法题：滑动窗口最大值面了一个半小时，面试官整体比较和蔼，不追问。转面客户端整体强度还是小了很多，不管了，现在能赚几年钱赚几年，有了AI以后哪个方向都是危机了，还是争取拿个好背书吧

攒人品中，祝大家都能拿到满意的Offer！1. 项目拷打2. 是用AI写的吗，哪一部分是自己写的3. 项目性能问题4. 对于热点数据，适用于本地缓存吗5. 点赞计数，数量少的时候，数量大的时候怎么做6. 读写分离设计7. SSE流式输出相关，对话SSE和标准SSE的区别8. 怎么设计一个介于HTTP和web socket之间的，偏向流式，但不是长连接的协议9. 客户端断连怎么办10. 陷入循环，有多少是调用RAG，有多少是agent主动的思考，怎么测试的11. 手撕算法：二叉树的层序遍历

一面已通过。1.介绍实习时的主要工作2.本科时是否做过服务端相关项目3.Java垃圾回收机制4.会存在内存碎片化之类的问题吗5.Java Spring的Bean的生命周期是什么样子的6.介绍Java多线程7.轻量级锁自旋失败，转换为重量级锁的过程是什么样子的8.如果要设计一个高并发的订单号生成器，要求全局唯一且可以递增，应该怎么设计9.能介绍一下上下文工程和Harness工程的区别吗10.上下文summary的策略是什么样子的11.怎么去缓解内容被压缩导致结果失真的问题12.RAG文档的分片策略是怎么样子的13.假设召回的一个片段不足以解决问题，怎么优化14.对于更深入的场景，比如文档有语义或组织关系，召回的片段可能指向别的文档，怎么优化15.了解过 Agentic search 吗16.React 和 Plan Execute模式的区别17.如果是比较复杂的场景，既需要 Plan Execute，又需要 React 及时感知进度或外界信息并做反馈调整，这种场景需要怎么设计18.项目是否拿到上线后的测试数据19.假设项目需要升级，需要定位到具体出问题的代码，怎么做20.假设没有堆栈报错，怎么做21.现在需要做成通用平台或工具，给所有业务使用，怎么设计这样一套工具22.怎么把人在排查问题中积累的经验给到系统23.大模型的工具调用能力是什么24.MCP和Skill的区别是什么25.介绍CNN和Transformer的区别26.为什么位置编码能够体现句子中分词的关系27.为什么说模型有上下文限制28.像 Cloude 这种模型，上下文窗口可能只有 200K，并不大，为什么不做得更大一些呢29.模型的参数量是什么时候定的30.为什么提供这么多不同参数量的模型31.像模型上层的 SFT、Lora 这些微调，之前有做过吗32.RL和SFT的区别33.RL的数据源从哪里来34.鸿蒙的 ARKTS 你觉得和安卓有什么区别35.它的整个应用的启动链路是怎么样的反问：岗位具体情况。答：岗位的核心课题是如何用 AI 赋能整个产品线，打造 Agent 能力，不再局限于前端、客户端或服务端某一个领域，希望具备全栈相关的能力。

暑期实习 3.16一面1. 自我介绍2. 介绍项目3. 技术选型4. 服务端渲染和客户端渲染的区别5. https和http的区别6. 不同版本http的区别手撕 无重复字符的字符串长度面了35分钟，出去就约二面了二面意外纯聊天自我介绍+介绍项目聊了聊日常开发怎么用ai的未来ai可能参与编程的范式（?）plan模式和agent模式的区别怎么确保ai生成的没有问题怎么减少人的参与（?）聊了40分钟，没手撕就结束了3.17oc