科大讯飞测开二面

快手主站一面（已挂）1.滴滴代码DIFF和PRD角度分别都是怎么考虑的代码DIFF：主要分为新代码和迭代代码，新代码我会关注首先是数据，写缓存或者落库的数据，数据从哪里来的，经过了怎么样的加工，写到哪里去。其次是业务逻辑，和我认知的逻辑是否有偏差。然后是针对循环判断中特殊的分支去考虑。老代码，主要关注DIFF改了之前的什么数据，改了会对历史逻辑有影响吗，然后才去关注新逻辑。PRD：可以举例堵车卡2.自动化全流程介绍一下就是司机端那套3.自动化关注什么校验点钱和文案，一口价会关注全流程的钱是否是一样的4.订单状态机的状态流转怎么测状态机就是维护了不同状态，通过事件驱动状态改变的一个黑盒子。对于我们这个业务状态机就是双向链表，他只能顺序流转或者倒退，不能跳跃某一阶段。5.了解过订单结算后发奖失败的异步补偿怎么做的吗1. 任务创建与持久化：- 订单结算成功后，立即创建一个奖励任务并将其持久化到专门的数据库表（reward_tasks）中，状态为待处理。- 通常通过消息队列（如发件箱模式）或直接调用服务来触发任务创建。2. 异步重试机制：- 一个独立的后台调度器会定期扫描 reward_tasks 表，查找失败或待处理的任务。- 对这些任务进行异步重试发奖，并记录重试次数。- 重试间隔采用指数退避策略（逐渐拉长间隔），并设置最大重试次数。3. 确保幂等性：- 发奖接口必须设计为幂等的，即多次调用同一发奖操作（带相同业务ID）只会成功发放一次奖励，防止重复发放。4. 监控与告警：- 实时监控奖励任务的状态（成功、失败、永久失败等）。- 对持续失败或达到永久失败阈值的任务进行告警，以便及时发现问题。5. 人工干预：- 对于达到最大重试次数仍未成功的永久失败任务，提供管理后台或工具，允许运营人员进行人工查询、分析和手动重试/处理。6.测开周期比怎么提升的自动化mock7.Trace实现原理核心概念Trace ：一个完整请求链路可以通过雪花算法生成，解决时间回拨，可以记录一个发生过的时间，如果之后的时间比这个时间要小，就重新生成一个。Span ：一次调用过程(需要有开始时间和结束时间)SpanContext ：Trace 的全局上下文信息, 如里面有traceId1. 请求入口： 当一个请求进入系统时，入口服务（如网关）会生成一个全新的 Trace ID 和一个根 Span ID，并创建一个根 Span。这个 SpanContext（包含 Trace ID 和根 Span ID）被标记为采样（如果配置了采样）。2. 上下文传播：- 当入口服务调用下游服务A时，它会将当前的 SpanContext（包含 Trace ID 和当前 Span 的 Span ID 作为 Parent Span ID）注入到调用服务A的请求头中。- 服务A接收到请求后，从请求头中提取 SpanContext。- 服务A使用提取到的 Trace ID 和 Parent Span ID 创建一个新的子 Span。3. 持续传播： 这个过程在整个请求链路上重复。每个服务在调用下一个服务之前，都会将当前 Span 的 SpanContext 注入到出站请求中。4. Span 完成与上报： 当一个 Span 完成其操作后（例如，RPC 调用返回），会记录其结束时间，并将其所有信息（Trace ID, Span ID, Parent Span ID, start_time, end_time, tags, logs 等）上报到追踪后端。5. 追踪后端处理： 追踪后端接收到所有 Span 数据后，会根据 Trace ID 和 Parent Span ID 将它们关联起来，重建出完整的 Trace 链路图，并提供可视化界面供分析。8.trace在header里面，rpc没有header的概念，怎么传过去的尽管 RPC 没有 HTTP 的“header”概念，但现代 RPC 框架都提供了与业务数据分离的上下文元数据传输机制（如 gRPC 的 Metadata、Dubbo 的 Attachment）。配合拦截器（Interceptors）或过滤器（Filters），分布式追踪库（如 OpenTelemetry、OpenTracing）能够透明地在这些元数据中注入和提取 SpanContext，从而实现 Trace 信息的跨服务传播，而无需业务代码感知。9.定时任务trace能扫到吗，怎么做的了解过吗实际上就是没有从网关层面的一个入口了，通过字节码注入一个入口，或者AOP10.快手业务11.权限DIFF工具怎么做的12.设计模式13.超卖解决方案14.AI自己主动探索过啥（只了解过RAG和MCP）15.代码题：从测试角度分析这段代码有什么问题 1.安全性 2.空指针 3.double精度 4.业务逻辑要求使用设计模式重构这段代码，解决上述问题。反问：1.我们这个业务主要是负责快手，你可以理解为除了快手，还有像A站kim以及你们那边估计也在用我们这边的能力。我们这边涉及的能力就是有账号，地理位置、推送短信，就是一些中台的。然后你像key count k switch也是我们负责，还有热更新，这些东西业务上的是这些，然后还有一些专项建设的。我们这边专项机设的可能就涉及到trace相关的应用，还有大模型相关的应用。是这样的。2.建议的话其实你实习经验已经我觉得已经够了，还是多多探索一下前沿的东西。就是现在感觉互联网公司都都挺那个的，都挺专注发展AI这个东西，可以自己多动手实践一下。然后还有就是写代码，写代码得长写，不然会经常忘掉。

京东面试官人挺好的，这里点个赞完全不压力，虽然我不是很match（还得补补sql啥的），不过不像某些企业只会压力面，京东纯聊天，挺好的，（虽然都是不过但是不要一直压力面吧某些企业）一边聊天一边考察，我个人觉得虽然大概率挂了但是第一次面要手撕的收获挺多的。1.自我介绍2.测试系统用例怎么测试（我答了对四个部分进行测试）3.如果给你一个测试场景，比如说注册系统你怎么具体测试4.linux相关命令，怎么从指定目录里抓包关键字5.手撕1.合并两个有序列表，我本来想把他弄成链表然后递归合并两个链表的（成hot100原题了），想了想好像遍历也行，不整太麻烦的了2.求目标和的最小长度子数组，这个没啥多说的，...

一面（45min）语言相关make和new区别切片底层结构map是否是并发安全的切片值传递还是引用传递channel什么时候触发panic有缓冲无缓冲channel数据库相关数据库缓存怎么保证数据一致性索引问了数据结构，还有类别单个字段简历普通索引，索引是否包含这个字段所有数据redis常用数据类型分布式锁的实现方案bitmap使用场景数据淘汰策略持久化策略计算机基础相关http和https区别https是否是非对称加密（对称密钥+非对称加密，我给记混了，服了）操作系统的线程与golang里的的线程的区别项目相关项目里的AI相关session会话绑定的写放大退化读放大策略的实现定时任务的具体实现项目是否有上线过反问……感觉问得相当友好了，但还是卡壳，明明复习到了，但还是会忘记而且整个面试流程，感觉面试官问完一个问题就会停好久，不知道是不是我简历上能问的太少了还是说他在记录啊腾讯引流

在面试前几个小时，会通过邮件给你发一个AI coding 界面参考Claude。问题：进程和线程的区别python中列表和元组的区别如何设计自动化测试框架fixture的作用和原理fixture的前置后置与setup和teardown的区别如何实现参数化如何搭建一个AI框架实习中AI代码是如何设计的如何保证AI对于数据的匹配度，在匹配度较低时，如何筛选……算法题：去掉链表中的第n个数SQL：查询表中最大的数据