阿里前端社招面筋

3.18 自我介绍拷打项目（由于我有客户端项目，被狠狠拷打客户端内容了）项目中遇到的性能问题弱网环境下网络请求的优化怎么排查和解决内存泄漏客户端怎么存大文件，怎么加速websocket的使用方法websocket和sse的区别大语言模型相关，了解到的技术手写lrups:面试官是做后端的所以没怎么问前端的知识

本文面向前端Agent面试备考，系统拆解前端Agent四大核心模块（LLM核心引擎、工具调用、记忆存储、ReAct编排），梳理各模块面试高频考点与易错点，补充考点对应表、Mermaid架构图，详解前端场景下Agent工程落地关键，助力考生快速掌握核心考点，应对面试中的原理、实战类提问。前端Agent面试高频考点对应表LLM核心引擎（前端适配）1. 前端调用LLM模型的选型与优化；2. 前端Prompt工程实战；3. 上下文Token控制前端场景下模型适配（轻量化、请求效率）、Prompt编写技巧忽略前端Token限制，Prompt冗余工具调用（前端场景）1. 前端Agent常用工具封装；2. ...

如题，9本软工，一轮八股结束+两个项目（传统java后端+rag与mcp小智能体），背书能力强，但算法一直抗拒+不感兴趣，最近才仓促准备一周，发现确实不适合，eazy题也不能保证手撕，请教各位大佬有无合适厂可以投递暑期实习，不追求大厂，工作强度随意😭

超级社牛老登捞了我一把，所以感觉才会面的比较的顺利，这里也是给老登跪了。而且hr还问了我之前的ld我的表现，我之前的ld也是给了很好的评价，这里也是泪目了，字节飞书管理后台/安全部门 里的人都是超级和善的好人，望周知。还有一点感觉就是现在都不问我的破QQ项目了，我这破QQ项目是我和一个啥鸾工作室同学写的，nm去年都在用，现在再用就有点垃圾了。打算写一个一站式生成Galgame的Agent项目，因为看到最近国G出这么多事，md我想搓个好的国G拯救国G，一面（mt）1. 小红书简历提问，Stylus类名原子化转换器2. Openclaw记忆相关的问题（memory，soul，boostrap之类的，简单说说就完了）3. 如果让你进行一个大型仓库的重构，怎么结合AI进行重构4. 知道harness engineering吗（刷到过，没点进去看）5. 用过哪些模型，用的啥Coding Plan6. 上一段也是字节，为什么离职7. 如下是一段AI写的代码，请你找出它有问题的地方，以及需要改进的地方（闭包，性能问题，强调了下fiber，然后面试官说现在不问八股了）8. 同7，又是一段代码，给出改进意见（utils类型要封装useHooks，代码逻辑耦合，useContext太重导致频繁渲染）9. when，where二面1. 同上，不过深入询问了2. 上一段也是字节，为什么离职3. 说下你用openclaw进行飞书管理后台61个模块改造提效的过程体会4. 算法：get(obj,'a[0].b.c')，获取obj中对应的字段的值5. 算法：ShuffleArr，输入[1,2,3]，随机打乱进行输出，每一个数字出现在各个位上的概率是相同的6. harness engineering7. when，where三面（ld）1. 现在让你对一个大型仓库进行业务开发，如何利用AI提效（按照模块or业务进行多Agent各自读取，产生一个各自模块的总结，结合AGENTS.md啥的看能不能补充足够的上下文，然后再开发。其实我是想到什么说什么的）2. 那对于小仓库呢，也要多agent吗？如果宕机了怎么办？怎么控制并发数目？那你可不可以把上面的做成一个插件，你会怎么设计（我说仓库的大小我也不知道怎么界定，那么就让用户选择是否需要多agent分析吧，反正要分析得到一个上下文md，然后是业务开发的agent进行开发，为了避免开发中途宕机or什么问题，所以可以借鉴OpenSpec的tasks.md文件，将开发任务拆成一个个小task，然后完成一个标记一个。至于并发数目我也不明白，暂时就根据用户电脑内存来划分吧，然后测试阶段加一个QA Agent，配上一些可观测数据啥的测试就行。然后说了下上下文焦虑的问题，）3. when，where反问：harness engineering贵部门怎么搭建的？流水线还是多agent协作？hr面1. 面试感受2. 为什么上一段离职3. 你是慢热型的吗4. 介绍工作强度（10-10），团队氛围5. 有很低概率审批挂，or加面反问：为什么面试官感觉都这么懂AI？比我之前面试的AIDP面试官还要厉害的感觉？答：剪映是字节AI试点的业务部门，在大力推AI暂时没有消息，4.15房租到期，俺就要会重庆了，不管怎么样吧，终于还是离开了待了9个月左右的上海，物价没有想的那么贵，虽然房租确实贵，但是吃的还能接受，外卖价格也差不多，但还是怀恋重庆的美食，哪怕回到重庆随便找一家公式化重庆小面品尝一下，都是一件多么棒的美事儿啊