美团算法岗暑期实习offer 面经

题目是实现一个带 TUI 的命令行视频剪辑工具。核心要求有三点：能应对真实输入，稳定运行不崩交互流程清晰，用户知道下一步该干什么输出结果可验证、可复现，不能随缘素材放在 video_res/ 目录下。需要注意：里面的视频格式不统一，有不同容器（MP4、MOV 等）和编码格式（H.264、H.265 等），甚至可能混了异常文件。所以工具必须考虑兼容性，不能假设所有素材都是标准 MP4。必做功能要求1. TUI 交互（核心）需要实现四个基本操作：浏览素材列表（能看到有哪些视频可用）设置切分区间（比如只保留 00:30 到 01:20 这一段）调整片段顺序（多个片段可以重新排序后再合成）执行导出 + 展示结果（导出完告诉用户成功了还是失败了）2. 剪辑与合成单个视频能切分（取其中一段）多个视频能拼接到一起（比如 A 的前半段 + B 的后半段）输出常见的可播放格式（MP4 最稳妥）3. 错误处理用户输入非法（比如时间输成负数、选了不存在的文件）必须明确提示禁止静默失败——出了错就要让用户知道，不能偷偷崩掉约束条件：所有交互提示要面向普通用户，别直接抛底层报错（比如 "FFmpeg returned code -2" 这种）。用户看不懂，等于没提示。必做验收方式需要自己设计验证方案，至少覆盖四点：基础功能对不对（切分、拼接能不能正常工作）正常输入能跑通（给标准素材，按标准操作走一遍）异常输入要能扛住（给损坏的视频、不存在的文件、乱输参数）连续执行要稳定（跑一次没问题，连续跑十次会不会崩）交付物清单源码 + 启动命令（比如 ./run.sh 或者 python main.py）使用说明（关键操作怎么用、参数什么意思）示例输入与输出结果（别人照着做能复现）验证证明（场景描述、执行命令、结果摘要）已知限制与优化方向（坦诚交代哪里没做好、后续怎么改进）加分项如果必做做完了还有时间，可以考虑：时间线/片段预览能力：不只是一个列表，能让用户看到片段顺序、时长、大概位置任务队列与取消机制：导出可能需要时间，用户可以排队多个任务，也能中途取消可配置导出参数：码率、分辨率、帧率这些用户可以自己调，而不是写死在代码里一点思路分享拿到题目后，建议先别急着写代码。用模型帮你把必做功能拆成最小的 MVP 模块，比如：先实现素材目录扫描和列表展示再实现单个视频切分导出然后实现多视频拼接最后把 TUI 交互串起来加分项最后再做，而且尽量不破坏基础功能的代码结构。验收的时候，建议按题目要求的四点（正确性、兼容性、鲁棒性、稳定性）逐个跑一遍，截图或录屏留证，最后整理到验证证明里。另外注意素材目录里可能有异常文件，你的工具遇到这种情况不能崩，至少要提示“该文件无法处理”然后继续让用户操作其他素材。

26.4.24笔试三道题只ac了1.5道，没想到还是有面，分享一下自我介绍Q1：对测试开发这个岗位了解多少？Q2：讲讲网络五层协议栈Q3：TCP和UDP的区别？视频直播使用TCP还是UDP？Q4：浏览器键入URL到网页元素呈现这一过程在操作系统上发生了什么？（这里我没搞懂在操作系统是什么意思，面试官说那就改成在网络上发生了什么）Q5：http和https的区别？Q6：讲讲死锁Q7：了解虚拟内存吗？虚拟地址向物理地址是怎么翻译的？Q8：进程间通信机制有哪些？最快的是哪一种？Q9：对Linux了解多少？（我说做过一个小的ext2文件系统）那就讲讲文件系统的组成Q10：AI agent跟ChatGPT这种模型的区别在哪？Q11：了解模型的幻觉产生吗？怎么减少幻觉？Q12：了解RAG吗？Q13：大模型的思考过程太长应该怎么优化？Q14：了解JVM的垃圾回收机制吗？Q15：python有哪些数据类型Q16：python2和python3的区别？Q17：了解JAVA哈希表的底层实现吗？（我讲了数组长度超过阈值转红黑树）讲讲红黑树？（还问了知不知道SQL这些数据库，我说我还在学就没问下去）反问环节（无手撕）（大佬们有兴趣的话可以在评论区写写答案，我学习一下）总共面了五十分钟左右，都是问答。面试官挺年轻的，说话很舒服，面试体验很好，但是由于我的项目基本都是课设，实在经不起推敲，感觉面试官对我兴趣不大。话说反问环节该问什么呀？我感觉不问也不行，问了要是问的不好也不行😭想问问大家，如果没有成熟的落地项目的话是不是基本哪都没希望，我还有必要继续投吗？还是回去沉淀一下😭，我有沉淀出几个项目的打算，但也不想放弃暑期实习这个窗口还有就是，大家有没有什么记录面试的妙妙工具推荐一下，lz纯回忆记录面试感觉太区了，不仅有遗漏还有可能不准确，谢谢大家🙏

我拿到了一道系统设计类的题目：实现一个推理网关，核心功能包括智能路由、负载均衡、KV Cache 感知调度等。题目明确给出了交付要求和加分项。整个开发过程是在 IDE 环境下完成的，交互方式比命令行界面友好很多。我使用的模型体验不错，大约 90% 以上的对话都能顺利完成需求，偶尔出现的小 Bug 也可以自己手动修正。总体感觉比较容易上手。我的实现思路如下供牛友们参考：需求分析与架构设计先让 AI 扮演产品经理，帮我分析需求，输出一份完整详细的需求文档和项目架构。框架搭建与功能实现再让 AI 根据文档生成项目框架，然后逐个模块填充代码、测试、细调 Bug。测试与验收在所有测试通过后，让 AI 充当验收人，对整体项目进行测试和打分。迭代优化根据 AI 指出的不足之处进行改动，重复“测试 → 验收 → 打分”的流程，直到评分达到 90 分以上。文档交付最后让 AI 生成完整详细的项目总结报告，以及所有需要交付的文档，整理后一并提交。

不得不说，AI Coding 用起来是真的爽。我没遇到 3.29 那批说的输出慢的问题，整体用着很顺畅，感觉他们内部应该是优化过了。这次题目是一个 README.md 文档，让做一个简历筛选和排序的助手。输入是 MD 格式的简历（大概 60 篇）和职位要求，输出是一个 result.json，里面是筛选出来的候选人排序结果。功能上要求实现特征提取器、归一化（要处理同义词问题）、还有评分器。交付的东西包括源码、说明文档、输出结果、测试代码，以及后续可以优化的点。我的做法是让 AI 先给架构和规划，然后一步步实现。大概 30 分钟搞出来一个简单的 MVP，剩下的时间就一直在优化、优化、再优化。整体体验还不错。